本文關(guān)鍵詞：復(fù)雜網(wǎng)絡(luò)的節(jié)點(diǎn)重要性度量算法研究

  更多相關(guān)文章： 復(fù)雜網(wǎng)絡(luò) 重要節(jié)點(diǎn) 貢獻(xiàn)度 KSC算法

【摘要】：近年來(lái),眾多復(fù)雜網(wǎng)絡(luò)研究學(xué)者越來(lái)越關(guān)注復(fù)雜網(wǎng)絡(luò)中重要節(jié)點(diǎn)發(fā)現(xiàn)算法的研究。網(wǎng)絡(luò)中少量的重要節(jié)點(diǎn)對(duì)網(wǎng)絡(luò)的影響超乎想象,例如信息通過(guò)重要節(jié)點(diǎn)能夠在很短的時(shí)間內(nèi)快速傳播到整個(gè)網(wǎng)絡(luò),對(duì)社會(huì)網(wǎng)絡(luò)中少量的重要節(jié)點(diǎn)進(jìn)行免疫能夠有效延緩甚至控制謠言或者病毒的傳播。有效發(fā)現(xiàn)網(wǎng)絡(luò)中的重要節(jié)點(diǎn)在諸多領(lǐng)域中都具有非常重要的意義,如政治、經(jīng)濟(jì)、生物、電力網(wǎng)、通信網(wǎng)絡(luò)等領(lǐng)域。本文針對(duì)重要節(jié)點(diǎn)發(fā)現(xiàn)算法的研究做了如下工作:1.針對(duì)現(xiàn)有傳統(tǒng)經(jīng)典的重要節(jié)點(diǎn)發(fā)現(xiàn)算法進(jìn)行了研究,詳細(xì)介紹了度中心性,介數(shù)中心性,接近中心性,特征向量以及PageRank算法5種算法,并比較了各自的優(yōu)缺點(diǎn)。2.根據(jù)相連節(jié)點(diǎn)對(duì)之間的共同鄰居節(jié)點(diǎn)數(shù)目,提出了貢獻(xiàn)度概念來(lái)表征節(jié)點(diǎn)間的相互貢獻(xiàn)。在現(xiàn)實(shí)網(wǎng)絡(luò)中,節(jié)點(diǎn)與其鄰居節(jié)點(diǎn)的連接關(guān)系存在親疏之分,節(jié)點(diǎn)對(duì)與其連接親密的鄰居節(jié)點(diǎn)的貢獻(xiàn)度較大,這與傳統(tǒng)算法不同,更符合實(shí)際情況。本文通過(guò)K-Shell分解算法得到節(jié)點(diǎn)的自身屬性值,認(rèn)為節(jié)點(diǎn)的重要度取決于節(jié)點(diǎn)自身屬性和鄰居節(jié)點(diǎn)對(duì)其影響,由此提出了KSC算法。3.針對(duì)真實(shí)的Zachary空手道網(wǎng)絡(luò),海豚社會(huì)網(wǎng)絡(luò)以及計(jì)算機(jī)生成的ER隨機(jī)圖進(jìn)行仿真。通過(guò)分析網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu),觀察節(jié)點(diǎn)之間的連接情況,驗(yàn)證本文KSC算法能夠有效發(fā)現(xiàn)網(wǎng)絡(luò)中的核心節(jié)點(diǎn),尤其是發(fā)現(xiàn)社團(tuán)中的核心節(jié)點(diǎn)很有效。4.編寫(xiě)傳播仿真程序,采用SIR傳播模型,在單源傳播情況下,KSC算法表現(xiàn)較好。此外還進(jìn)行重要節(jié)點(diǎn)免疫實(shí)驗(yàn)仿真,實(shí)驗(yàn)結(jié)果表明:免疫KSC算法發(fā)現(xiàn)的重要節(jié)點(diǎn),能夠有效阻止惡意信息的傳播。
【關(guān)鍵詞】：復(fù)雜網(wǎng)絡(luò) 重要節(jié)點(diǎn) 貢獻(xiàn)度 KSC算法
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：O157.5
【目錄】：

• 摘要4-5
• Abstract5-8
• 專(zhuān)用術(shù)語(yǔ)注釋表8-10
• 第一章 緒論10-18
• 1.1 復(fù)雜網(wǎng)絡(luò)研究背景10-14
• 1.1.1 ER隨機(jī)圖模型12-13
• 1.1.2 WS小世界模型13
• 1.1.3 無(wú)標(biāo)度網(wǎng)絡(luò)模型13-14
• 1.2 課題研究意義14-15
• 1.3 國(guó)內(nèi)外研究現(xiàn)狀15-17
• 1.4 本文內(nèi)容安排17-18
• 第二章 復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)重要性評(píng)估指標(biāo)研究18-30
• 2.1 圖的基本理論18-20
• 2.1.1 網(wǎng)絡(luò)的圖表示18-19
• 2.1.2 圖的計(jì)算機(jī)表示19-20
• 2.2 復(fù)雜網(wǎng)絡(luò)相關(guān)概念20-23
• 2.2.1 度與度分布20
• 2.2.2 平均路徑長(zhǎng)度20-22
• 2.2.3 網(wǎng)絡(luò)直徑22
• 2.2.4 聚類(lèi)系數(shù)22-23
• 2.2.5 社團(tuán)結(jié)構(gòu)23
• 2.3 幾種常見(jiàn)的重要節(jié)點(diǎn)評(píng)估指標(biāo)23-29
• 2.3.1 度中心性24
• 2.3.2 介數(shù)中心性24-26
• 2.3.3 接近中心性26-27
• 2.3.4 特征向量中心性27-28
• 2.3.5 PageRank算法28-29
• 2.3.6 傳統(tǒng)重要節(jié)點(diǎn)發(fā)現(xiàn)算法對(duì)比29
• 2.4 本章小結(jié)29-30
• 第三章 基于K-Shell的重要節(jié)點(diǎn)發(fā)現(xiàn)算法30-39
• 3.1 K-Shell分解算法30-32
• 3.2 貢獻(xiàn)度引入32-35
• 3.2.1 無(wú)權(quán)無(wú)向網(wǎng)絡(luò)的貢獻(xiàn)度32-34
• 3.2.2 加權(quán)有向網(wǎng)絡(luò)的貢獻(xiàn)度34-35
• 3.3 KSC算法模型35-37
• 3.3.1 重要度貢獻(xiàn)矩陣35-37
• 3.3.2 KSC算法流程描述37
• 3.4 算法復(fù)雜度分析37-38
• 3.5 本章小結(jié)38-39
• 第四章 算法仿真與分析39-52
• 4.1 Zachary空手道網(wǎng)絡(luò)仿真分析39-43
• 4.1.1 K-Shell分解結(jié)果39-40
• 4.1.2 實(shí)驗(yàn)結(jié)果與分析40-43
• 4.2 海豚社會(huì)網(wǎng)絡(luò)仿真分析43-48
• 4.2.1 K-Shell分解結(jié)果43-45
• 4.2.2 實(shí)驗(yàn)結(jié)果與分析45-48
• 4.3 ER隨機(jī)網(wǎng)絡(luò)仿真分析48-51
• 4.3.1 K-Shell分解結(jié)果48-50
• 4.3.2 實(shí)驗(yàn)結(jié)果與分析50-51
• 4.4 本章小結(jié)51-52
• 第五章 重要節(jié)點(diǎn)發(fā)現(xiàn)算法有效性研究52-61
• 5.1 傳播動(dòng)力學(xué)模型評(píng)價(jià)排序算法52-56
• 5.1.1 經(jīng)典傳播模型52-53
• 5.1.2 單傳播源傳播仿真53-55
• 5.1.3 多傳播源傳播仿真55-56
• 5.2 重要節(jié)點(diǎn)免疫研究56-59
• 5.2.1 傳統(tǒng)免疫策略56-57
• 5.2.2 免疫重要節(jié)點(diǎn)傳播仿真57-59
• 5.3 本章小結(jié)59-61
• 第六章 總結(jié)與展望61-63
• 6.1 本文總結(jié)61-62
• 6.2 展望62-63
• 參考文獻(xiàn)63-66
• 附錄1 程序清單66-68
• 附錄2 攻讀碩士學(xué)位期間撰寫(xiě)的論文68-69
• 致謝69

【參考文獻(xiàn)】

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 司曉靜;復(fù)雜網(wǎng)絡(luò)中節(jié)點(diǎn)重要性排序的研究[D];西安電子科技大學(xué);2012年

，

本文編號(hào)：643943