股票市場對投資者而言是以極大化自有資產為目的，因此如何辨別不同景氣區間對股市的影響為投資者感興趣的議題。傳統上，使用統計資料來幫助我們比較不同景氣區間之差異，然而股票市場之複雜、非線性及不可預測性也經常成為各統計資料失準的關鍵，因此，本篇論文以複雜網路作為分析股票市場之模型，並將各個股票表示成節點、股價變化之關聯性作為連結下，建立出複雜網路，藉此探討股市中的景氣差異。 　　在本研究中，先利用國發會制定的景氣對策信號，來幫助我們選取四段景氣區間，接著將台積電作為網路核心建構個股的相關網路。並以最小生成樹(Minimum Spanning Tree) 將複雜的股票網路簡單化。同時我們計算出各股相關網路之全域網路參數(Global Network Parameters)及區域網路參數(Regional Network Parameters)，以利我們討論兩段景氣好區間與兩段景氣差區間之差異。最後，我們將股市相關網路以分層樹(Hierarchical Tree)來表示，以了解網路分群的結果。 　　結果顯示，我們建構的個股相關網路符合小世界網路特性，在全域網路參數中，景氣好相關網路之常規化平均特徵路徑(Normalization Average Characteristic Path Length)及景氣差相關網路中之平均群聚係數(Average Clustering Coefficient)、平均特徵路徑(Average Characteristic Path Length)、常規化平均特徵路徑(Normalization Average Characteristic Path Length)有顯著差異。 在區域網路參數中，在景氣好相關網路中，被選為網路樞紐並有顯著差異之個股有台達化、宜進與華通，景氣差相關網路則有瑞利、日月光、矽品及萬企。在景氣好相關網路比較時，台積電的連結度與點效率皆具有顯著差異。

Catastrophes like Katrina destroy a community's critical infrastructure-a situation that instigates several dilemmas. Immediately, the community experiences information disruption within the community, as well as between the community and the outside world. The inability to communicate because of physical or virtual barriers to information instigates instant isolation. Prolonged, this scarcity of information becomes an information poverty spell, placing hardship on a community accustomed to easily accessible and applicable information. Physical devastation causes the scarcity of what Abraham Maslow calls basic survival needs-physiological, security, and social-a needs regression from the need to self-actualize, to meet intellectual and aesthetic needs. Because needs regress, the type of information required to meet the needs, also changes-regresses to information regarding survival needs. Regressed information needs requires altered information behaviors-altered methods and means to meet the information needs of the post-disaster situation. Situational information behavior follows new mores-altered norms-norms constructed for the post-disaster situation. To justify the unconventional, situational social norms, residents must adjust their beliefs about appropriate behavior. Situational beliefs support situational social norms-and situational information behaviors prevail. Residents find they must trust strangers, create makeshift messaging systems, and in some cases, disregard the law to meet their post-disaster survival needs.

擴散權重影像與神經纖維追蹤可以用來探討腦區域之間的連結性，目前透過網路分析方式已經證實腦網路是有小世界的特性，最近也有研究不同受試者或者是病人之間的網路連結量測集中程度，但是擴散權重影像所運算出來的網路參數中間要經過很多步驟，這些中間步驟可能會影響到網路參數。所以有必要對於量測網路參數的受試者間變異性和重複量測重現性進行研究。本研究的目標是利用機率式神經纖維追蹤術量測大腦網路參數的重現性，探討三個會影響計算網路參數的重現性的變因，分別是，路徑定義方式、有無損耗正規化、受試者群體的網路連結篩選機制。變異係數定義（Coefficient of Variance, CV）為標準差除以平均值，分別計算二次量測之間的變異係數（CVwithin），以及受試者之間的變異係數（CVbetween），另外也計算組內相關係數（Intraclass correlation coefficient, ICC）。 掃描30受試者（15男，15女，年齡20~26）。每人掃描二次，並利用機率式神經纖維追蹤術計算網路連結，網路節點則是使用AAL標準模板定義的節點。若使用Wij = 1 – Pij定義長度，三項網路參數（區域效率、全域效率及損耗）重現性皆可接受（CVwithin<1.08%, CVwithin ≤ 10% and ICC > 0.7）。如果使用Wij=1/Pij定義長度，其損耗的CVwithin相較於Wij = 1 – Pij的大。如果長度的全距大，區域效率會不尋常地增加。如果二次掃描分別實施連結篩選，全域效率的CVwithin會較大。 本研究探討不同的網路建構方式將會影響測試內重現度，不同的研究團隊，縱使是採用相同的受試者群體和相同的儀器，所發表出來的網路參數可能會因為纖維追蹤術造成的誤差而不一致，因此實驗必須謹慎的分析資料以及闡述結果。 / Diffusion tensor imaging (DTI) with associate tractography can be used to access the connectivity of cortical regions in brain. Network analysis applied to connectivity matrix has demonstrated that brain has small world property. Recent studies also use network analysis to study the variation of concentricity among different group of subjects and patients. However the estimation of network metrics from DTI takes sophisticated processing steps. These intermediate steps may influence the estimation of network metric. It is therefore needed to investigate the potential variation of estimated network metrics using reproducibility test. The goal is to study the reproducibility of network properties derived from diffusion connectivity matrix constructed using probabilistic tractography. The effects of three factors on the reproducibility of network metrics estimation were studied. They are definition of path lengths of network matrix, path with and without cost normalization, the application of threshold to subjects groups. Coefficient of Variation (CV) defined as standard deviation divided by mean is used to test the intra-session (CVwithin) and inter subject (CVbetween) variability. Intra-class correlation coefficient (ICC) was also calculated. Images were acquired from 30 healthy participants (15 male, 15 female, aged 20-26 years). Each subject was scanned twice, denoted as N1 and N2. Probabilistic tractography was performed to mapping of cortico-cortical anatomical connections between regions defined from an anatomical atlas. All three of the tested network metrics (local efficiency, global efficiency and cost) were identified as acceptable (CVwithin < 1.08%, CVwithin ≤ 10% and ICC > 0.7) using path length defined as Wij = 1 – Pij. When the path length is defined as Wij = 1/Pij, cost showed higher CVwithin compared to Wij = 1 – Pij. It is unusual that local efficiency increase when the range of path length of edges is large. Global efficiency showed higher CVwithin as threshold is applied to N1 and N2 separately compared to both scans together. The present study revealed that different ways to construct cortical network had an effect on intra-session reproducibility. Our study also showed that despite evaluation of identical subjects using the same MRI system, variation of network metrics may be found by different research groups due to the potential errors from tractography. Replication of the experiment need to be carefully analyzed and interpreted.

Cette thèse apporte des contributions à la modélisation, compréhension ainsi qu’à la communication efficace d’information dans les réseaux dynamiques peuplant la périphérie de l’Internet. Par réseaux dynamiques, nous signifions les réseaux pouvant être modélisés par des graphes dynamiques dans lesquels noeuds et liens évoluent temporellement. Dans la première partie de la thèse, nous proposons un nouveau modèle de mobilité - STEPS - qui permet de capturer un large spectre de comportement de mobilité humains. STEPS mets en oeuvre deux principes fondamentaux de la mobilité humaine : l’attachement préférentiel à une zone de prédilection et l’attraction vers une zone de prédilection. Nous proposons une modélisation markovienne de ce modèle de mobilité. Nous montrons que ce simple modèle paramétrique est capable de capturer les caractéristiques statistiques saillantes de la mobilité humaine comme la distribution des temps d’inter-contacts et de contacts. Dans la deuxième partie, en utilisant STEPS, nous analysons les propriétés comportementales et structurelles fondamentales des réseaux opportunistes. Nous redéfinissons dans le contexte des réseaux dynamiques la notion de structure petit monde et montrons comment une telle structure peut émerger. En particulier, nous montrons que les noeuds fortement dynamiques peuvent jouer le rôle de ponts entre les composants déconnectés, aident à réduire significativement la longueur du chemin caractéristique du réseau et contribuent à l’émergence du phénomène petit-monde dans les réseaux dynamiques. Nous proposons une façon de modéliser ce phénomène sous STEPS. À partir d’un réseau dynamique régulier dans lequel les noeuds limitent leur mobilité à leurs zones préférentielles respectives. Nous recablons ce réseau en injectant progressivement des noeuds nomades se déplaçant entre plusieurs zones. Nous montrons que le pourcentage de tels nœuds nomades est de 10%, le réseau possède une structure petit monde avec un fort taux de clusterisation et un faible longueur du chemin caractéristique. La troisième contribution de cette thèse porte sur l’étude de l’impact du désordre et de l’irrégularité des contacts sur la capacité de communication d’un réseau dynamique. Nous analysons le degré de désordre de réseaux opportunistes réels et montrons que si exploité correctement, celui-ci peut améliorer significativement les performances du routage. Nous introduisons ensuite un modèle permettant de capturer le niveau de désordre d’un réseau dynamique. Nous proposons deux algorithmes simples et efficaces qui exploitent la structure temporelle d’un réseau dynamique pour délivrer les messages avec un bon compromis entre l’usage des ressources et les performances. Les résultats de simulations et analytiques montrent que ce type d’algorithme est plus performant que les approches classiques. Nous mettons également en évidence aussi la structure de réseau pour laquelle ce type d’algorithme atteint ses performances optimum. Basé sur ce résultat théorique nous proposons un nouveau protocole de routage efficace pour les réseaux opportunistes centré sur le contenu. Dans ce protocole, les noeuds maintiennent, via leurs contacts opportunistes, une fonction d’utilité qui résume leur proximité spatio-temporelle par rapport aux autres noeuds. En conséquence, router dans un tel contexte se résume à suivre le gradient de plus grande pente conduisant vers le noeud destination. Cette propriété induit un algorithme de routage simple et efficace qui peut être utilisé aussi bien dans un contexte d’adressage IP que de réseau centré sur les contenus. Les résultats de simulation montrent que ce protocole superforme les protocoles de routage classiques déjà définis pour les réseaux opportunistes. La dernière contribution de cette thèse consiste à mettre en évidence une application potentielle des réseaux dynamiques dans le contexte du « mobile cloud computing ». / This thesis contributes to the modeling, understanding and efficient communication in dynamic networks populating the periphery of the Internet. By dynamic networks, we refer to networks that can be modeled by dynamic graphs in which nodes and links change temporally. In the first part of the thesis, we propose a new mobility model - STEPS - which captures a wide spectrum of human mobility behavior. STEPS implements two fundamental principles of human mobility: preferential attachment and attractor. We show that this simple parametric model is able to capture the salient statistical properties of human mobility such as the distribution of inter-contact/contact time. In the second part, using STEPS, we analyze the fundamental behavioral and structural properties of opportunistic networks. We redefine in the context of dynamic networks the concept of small world structure and show how such a structure can emerge. In particular, we show that highly dynamic nodes can play the role of bridges between disconnected components, helping to significantly reduce the length of network path and contribute to the emergence of small-world phenomenon in dynamic networks. We propose a way to model this phenomenon in STEPS. From a regular dynamic network in which nodes limit their mobility to their respective preferential areas. We rewire this network by gradually injecting highly nomadic nodes moving between different areas. We show that when the ratio of such nomadic nodes is around 10%, the network has small world structure with a high degree of clustering and a low characteristic path length. The third contribution of this thesis is the study of the impact of disorder and contact irregularity on the communication capacity of a dynamic network. We analyze the degree of disorder of real opportunistic networks and show that if used correctly, it can significantly improve routing performances. We then introduce a model to capture the degree of disorder in a dynamic network. We propose two simple and efficient algorithms that exploit the temporal structure of a dynamic network to deliver messages with a good tradeoff between resource usage and performance. The simulation and analytical results show that this type of algorithm is more efficient than conventional approaches. We also highlight also the network structure for which this type of algorithm achieves its optimum performance. Based on this theoretical result, we propose a new efficient routing protocol for content centric opportunistic networks. In this protocol, nodes maintain, through their opportunistic contacts, an utility function that summarizes their spatio-temporal proximity to other nodes. As a result, routing in this context consists in following the steepest slopes of the gradient field leading to the destination node. This property leads to a simple and effective algorithm routing that can be used both in the context of IP networks and content centric networks. The simulation results show that this protocol outperforms traditional routing protocols already defined for opportunistic networks. The last contribution of this thesis is to highlight the potential application of dynamic networks in the context of "mobile cloud computing." Using the particle optimization techniques, we show that mobility can significantly increase the processing capacity of dynamic networks. In addition, we show that the dynamic structure of the network has a strong impact on its processing capacity.

Les maladies infectieuses représentent aujourd’hui un problème majeur de santé publique. Devant l’augmentation des résistances bactériennes, l’émergence de nouveaux pathogènes et la propagation rapide de l’épidémie, le suivi et la surveillance de la transmission de la maladie devient particulièrement importants. Face à une telle menace, la société doit se préparer à l'avance pour réagir rapidement et efficacement si une telle épidémie est déclarée. Cela nécessite une mise en place des dispositifs de suivi et de prévention. Dans ce contexte, nous nous intéressons, dans le présent travail, à l’élaboration d’un Système d’Information Décisionnel Spatio-temporel pour le suivi et la surveillance du phénomène de propagation de l’épidémie de la grippe saisonnière au sein de la population de la ville d’Oran (Algérie). L’objectif de ce système est double : il consiste, d’une part, à comprendre comment l’épidémie se propage par l’utilisation du réseau social Small World (SW) et du modèle à compartiments d’épidémie SEIR (Susceptible-Exposed-Infected-Removed), et d’autre part, à stocker dans un entrepôt les données multiples tout en les analysant par un outil d’analyse en ligne de donnée Spatiale dit SOLAP (Spatial On-Line Analytical Processing). / Today, infectious diseases represent a major public health problem. With the increase of bacterial resistance, the emergence of new pathogens and the rapid spread of epidemic, monitoring and surveillance of disease transmission becomes important. In the face of such a threat, the society must prepare in advance to respond quickly and effectively if an outbreak is declared. This requires setting up monitoring mechanisms and prevention.In this context, we are particularly interested by development a Spatiotemporal decision support system for monitoring and preventing the phenomenon of seasonal influenza epidemic spread in the population of Oran (city at Algeria).The objective of this system is twofold: on one hand, to understand how epidemic is spreading through the social network by using SEIR (Susceptible-Exposed-Infected-Removed) compartmental model within Small World network, and on the other hand, to store multiple data in data warehouse and analyzing it by a specific online analysis tool Spatial OLAP (Spatial on-line Analytical Processing).

De nombreux systèmes complexes provenant de phénomènes naturels ou de la société humaine peuvent être décrits comme des réseaux complexes. Dans cette thèse, sur la base de la théorie des réseaux complexes, nous allons nous pencher sur la structure topologique de ces réseaux complexes et leurs dynamiques. Nous avons créé des modèles pour étudier les influences de la structure sur la dynamique des réseaux et mis en évidence quelques propriétés particulières des systèmes complexes. Cette thèse comporte quatre parties. Dans la première partie, les propriétés empiriques (degré de distribution, coefficient d’agrégation, diamètre, longueur caractéristique de parcours) des réseaux de routes urbaines de la ville du Mans en France sont étudiées. Dans la seconde partie, nous proposons deux modèles pour étudier le mécanisme éventuel conduisant à s’écarter de la loi de puissance simple. Dans le premier modèle, la probabilité d’addition de noeuds et de liens, la création de liens est étudiée ; dans le second modèle, seule la croissance aléatoire et préférentielle de liens est ajoutée. Les résultats de la simulation de ce modèle sont comparés aux données réelles. Dans la troisième partie, les propriétés probabilistes incertaines de la loi de distribution en double puissance sont étudiées. L’optimisation du réseau et l’étude optimale du réseau sans échelle vers l’échec aléatoire sont étudiées en se servant du principe de maximisation de l’entropie. Nous avons défini l’ensemble du réseau à l’équilibre comme des ensembles stationnaires de graphes en utilisant des notions thermodynamiques telle que ”énergie”, ”température”, ” énergie libre” pour les réseaux. Dans la quatrième partie, un modèle d’union-division est mis au point pour étudier l’évolution temporelle de certains réseaux culturels ou économiques. Dans ce modèle, les noeuds représentent les cultures. Plusieurs grandeurs telles que la richesse, l’âge, identité, contenu etc. sont utilisées pour paramétrer l’évolution probable du réseau. Le modèle offre une vision à long terme sur une dynamique apparemment périodique d’ensemble de grandeurs culturelles ou économiques en interaction. / Many complex systems arising from nature and human society can be described as complex networks. In this dissertation, on the basis of complex network theory, we pay attention to the topological structure of complex network and the dynamics on it. We established models to investigate the influences of the structure on the dynamics of networks and to shed light on some peculiar properties of complex systems. This dissertation includes four parts. In the first part, the empirical properties (degree distribution, clustering coefficient, diameter, and characteristic path length) of urban road network of Le Mans city in France are studied. The degree distribution shows a double power-law which we studied in detail. In the second part, we propose two models to investigate the possible mechanisms leading to the deviation from simple power law. In the first model, probabilistic addition of nodes and links, and rewiring of links are considered; in the second one, only random and preferential link growth is included. The simulation results of the modelling are compared with the real data. In the third part,the probabilistic uncertainty behavior of double power law distribution is investigated. The network optimization and optimal design of scale free network to random failures are discussed from the viewpoint of entropy maximization. We defined equilibrium network ensemble as stationary ensembles of graphs by using some thermodynamics like notions such as ”energy”, ”temperature”, ”free energy” for network. In the forth part, an union-division model is established to investigate the time evolution of certain networks like cultural or economical networks. In this model, the nodes represent, for example, the cultures. Several quantities such as richness, age, identity, ingredient etc. are used to parameterize the probabilistic evolution of the network. The model offers a long term view on the apparently periodic dynamics of an ensemble of cultural or economic entities in interaction.

The aim of the thesis is to define the dependency of the classification of patients affected by neurodegenerative diseases on the choice of the parcellation atlas. Part of this thesis is the application of the functional connectivity analysis and the calculation of graph metrics according to the method published by Olaf Sporns and Mikail Rubinov [1] on fMRI data measured at CEITEC MU. The application is preceded by the theoretical research of parcellation atlases for brain segmentation from fMRI frames and the research of mathematical methods for classification as well as classifiers of neurodegenerative diseases. The first chapters of the thesis brings a theoretical basis of knowledge from the field of magnetic and functional magnetic resonance imaging. The physical principles of the method, the conditions and the course of acquisition of image data are defined. The third chapter summarizes the graph metrics used in the diploma thesis for analyzing and classifying graphs. The paper presents a brief overview of the brain segmentation methods, with the focuse on the atlas-based segmentation. After a theoretical research of functional connectivity methods and mathematical classification methods, the findings were used for segmentation, calculation of graph metrics and for classification of fMRI images obtained from 96 subjects into the one of two classes using Binary classifications by support vector machines and linear discriminatory analysis. The data classified in this study was measured on patiens with Parkinson’s disease (PD), Alzheimer’s disease (AD), Mild cognitive impairment (MCI), a combination of PD and MCI and subjects belonging to the control group of healthy individuals. For pre-processing and analysis, the MATLAB environment, the SPM12 toolbox and The Brain Connectivity Toolbox were used.