应用数学与交叉科学研究中心复杂网络团队于2025年12月31日进行每周小组组会，小组全体成员和各位导师共同参加。在这次组会上，由两名研二学生和一名研一学生分别汇报自己的研究进展，然后老师与同学们对汇报内容进行学术探讨，并对存在的问题给出相应的指导和建议。
韩成达：汇报了《Shortest-Path Percolation on Random Networks》，提出了一种用于描述运输网络中资源消耗及最终耗尽的键-渗流模型。如果低于一定预算，连接所需起讫点的最短路径上的边将被移除。随着节点对的需求出现以及边的移除，图的宏观连通分量消失，即图经历了渗流转变。研究了这种在同质随机图中的最短路径渗流转变，其中所需起讫节点对是随机生成的，并通过有限规模尺度分析对其进行了完整表征。如果预算是有限的，该转变与普通渗流转变相同，即随着边从图中移除，单个巨型簇逐渐缩小；而对于无限预算，该转变比普通渗流更加突然，其特征是巨型连通分量突然分裂为多个大小相近的簇。
黄琦：本次汇报聚焦“基于网络关系模型的品牌女装配色解析”，针对服饰用色规律及内在机制解析模糊的问题，提出通过图像处理技术构建配色网络关系模型。先对服饰图像进行背景分离、去噪预处理，采用K-均值聚类法完成初始与二次色彩聚类，提取色彩占比、二元色组共现频率、RGB模型下的欧氏色彩空间距离等指标并优化，开发配套色彩解析软件；随后对COACH、FENDI、GUCCI三个品牌的500幅女装图像展开实证分析，横向发现三者主色、空间距离及共现规律存在差异，前3种主色累计占比超50%，单幅样本处理耗时不足0.3秒，纵向分析COACH近3年四季用色，发现品牌用色既保持风格延续性，又有季节差异和年度变化，且高频配色多为主辅色搭配，该模型可客观可视化表征用色机制，为服装企划与设计决策提供支撑。
陈恳：汇报了《基于舆情大数据的新能源车企运营预警可视化平台》的平台设计进度。这是一个面向股票投资决策的智能分析系统，以“行情预测 + 舆情分析”为核心目标，前后端一体化实现。系统前端基于 HTML / JavaScript 构建交互式界面，支持用户输入 A 股或港股代码 一键查询；后端采用 FastAPI（Python） 作为服务框架，结合 AkShare / Tushare 获取股市历史行情数据，并基于深度学习模型（LSTM、BiLSTM、CNN、KAN 等） 对股票下一交易日价格进行预测。在舆情层面，系统通过 Selenium 自动化爬虫 实时抓取 东方财富股吧 近一周内的帖子与评论，数据统一存储于 MongoDB，并按股票代码进行结构化管理，支持最新评论展示、评论统计以及后续情绪分析、热点词云和主题挖掘扩展。整体架构支持本地运行与公网访问（Cloudflare Tunnel），具备良好的工程扩展性和真实数据驱动能力。
