本文關(guān)鍵詞：基于復(fù)雜網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)算法研究與實(shí)現(xiàn)　出處：《南京理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 復(fù)雜網(wǎng)絡(luò) 社區(qū)發(fā)現(xiàn) 社會(huì)網(wǎng)絡(luò)分析 中心節(jié)點(diǎn) 核心子團(tuán)

【摘要】：近年來(lái),隨著互聯(lián)網(wǎng)(Internet)的不斷發(fā)展普及,各種網(wǎng)絡(luò)應(yīng)用平臺(tái)如雨后春筍般出現(xiàn),人們已經(jīng)生活在充滿各種各樣復(fù)雜網(wǎng)絡(luò)的環(huán)境中。因此,社會(huì)網(wǎng)絡(luò)分析已經(jīng)成為各界學(xué)者關(guān)注的重要話題。而在復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)集上進(jìn)行相關(guān)分析,并發(fā)現(xiàn)存在于網(wǎng)絡(luò)數(shù)據(jù)中的關(guān)鍵性規(guī)律和信息,已經(jīng)成為研究復(fù)雜網(wǎng)絡(luò)的主要手段和目的。在復(fù)雜網(wǎng)絡(luò)中,人相當(dāng)于節(jié)點(diǎn),人與人之間的聯(lián)系相當(dāng)于節(jié)點(diǎn)之間的邊。人們通過(guò)大量研究發(fā)現(xiàn),在復(fù)雜網(wǎng)絡(luò)中都普遍存在社區(qū)結(jié)構(gòu)。社區(qū)結(jié)構(gòu)代表著具有相似屬性或扮演相似角色的節(jié)點(diǎn)集合。通常情況下,社區(qū)內(nèi)部的節(jié)點(diǎn)之間具有更加緊密的聯(lián)系。通過(guò)對(duì)社區(qū)結(jié)構(gòu)的研究,可以對(duì)復(fù)雜網(wǎng)絡(luò)內(nèi)部結(jié)構(gòu)與屬性進(jìn)行深入的研究與探索,從而發(fā)現(xiàn)其隱含規(guī)律并對(duì)其行為進(jìn)行預(yù)測(cè)。因此,對(duì)社區(qū)結(jié)構(gòu)的發(fā)現(xiàn)與研究,已經(jīng)成為計(jì)算機(jī)領(lǐng)域的重要研究課題之一。本文將對(duì)復(fù)雜網(wǎng)絡(luò),社區(qū)結(jié)構(gòu),社區(qū)發(fā)現(xiàn)算法,社會(huì)網(wǎng)絡(luò)分析等話題進(jìn)行分析與研究,主要包括以下幾個(gè)方面的內(nèi)容:(1)針對(duì)現(xiàn)有社區(qū)發(fā)現(xiàn)算法存在的低準(zhǔn)確度問(wèn)題,本文提出了一種基于中心節(jié)點(diǎn)的社區(qū)發(fā)現(xiàn)算法。通過(guò)各節(jié)點(diǎn)度數(shù)及節(jié)點(diǎn)間相似度尋找社區(qū)的中心節(jié)點(diǎn),然后利用局部模塊度對(duì)各個(gè)社區(qū)進(jìn)行優(yōu)化,并根據(jù)節(jié)點(diǎn)吸引力將孤立節(jié)點(diǎn)和重疊社區(qū)節(jié)點(diǎn)盡量歸入其社區(qū),最終獲得整個(gè)復(fù)雜網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)。(2)針對(duì)基于中心節(jié)點(diǎn)的社區(qū)發(fā)現(xiàn)算法在進(jìn)行社區(qū)劃分時(shí)每個(gè)節(jié)點(diǎn)默認(rèn)在復(fù)雜網(wǎng)絡(luò)中擔(dān)任相同角色,在模塊度計(jì)算時(shí)權(quán)值相同,從而導(dǎo)致不同節(jié)點(diǎn)無(wú)法體現(xiàn)其自身在網(wǎng)絡(luò)中所承擔(dān)的角色與價(jià)值的問(wèn)題。本文引入PageRank算法的基本思想,提出核心子團(tuán)的概念。為了體現(xiàn)出不同節(jié)點(diǎn)在網(wǎng)絡(luò)中所擔(dān)任的不同角色,本文還提出加權(quán)局部社區(qū)貢獻(xiàn)度的概念,并在此基礎(chǔ)上提出一種基于核心子團(tuán)的社區(qū)發(fā)現(xiàn)算法。在找到個(gè)社區(qū)中心節(jié)點(diǎn)的基礎(chǔ)上,通過(guò)節(jié)點(diǎn)度等特征找到該社區(qū)的核心子團(tuán),然后利用加權(quán)局部模塊度對(duì)各個(gè)社區(qū)進(jìn)行優(yōu)化,并對(duì)未被劃分社區(qū)的特殊節(jié)點(diǎn)進(jìn)行社區(qū)優(yōu)化,從而獲得整個(gè)網(wǎng)絡(luò)的社區(qū)劃分。(3)本文提出的兩種算法在復(fù)雜網(wǎng)絡(luò)應(yīng)用中具有一定的優(yōu)勢(shì),通過(guò)在復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)集上進(jìn)行社區(qū)劃分實(shí)驗(yàn),并與相關(guān)社區(qū)發(fā)現(xiàn)算法進(jìn)行準(zhǔn)確度和運(yùn)行時(shí)間對(duì)比。最終可以發(fā)現(xiàn),本文中的社區(qū)發(fā)現(xiàn)算法具有一定的優(yōu)越性。
[Abstract]:In recent years, with the continuous development and popularization of Internet, a variety of network application platforms have sprung up, people have been living in a variety of complex network environment. Social network analysis has become an important topic of concern to scholars from all walks of life, and related analysis is carried out on the complex network data set, and the key laws and information that exist in the network data are found. It has become the main means and ends to study complex networks. In complex networks, people are equivalent to nodes, and the connections between people are equivalent to the edges between nodes. Community structures are common in complex networks. Community structures represent sets of nodes that have similar attributes or play similar roles. Through the study of community structure, the internal structure and attributes of complex network can be deeply studied and explored. Therefore, the discovery and study of community structure has become one of the important research topics in the field of computer. Community discovery algorithm, social network analysis and other topics for analysis and research, mainly including the following aspects of the content: 1) the existing community discovery algorithm for the low accuracy problem. In this paper, we propose a community discovery algorithm based on the central node. We find the central node of the community through the degree of each node and the similarity between the nodes, and then optimize each community by using the local module degree. And according to the node attraction, the isolated nodes and overlapping community nodes are classified into their communities as far as possible. Finally, the community structure of the whole complex network is obtained. 2) for the community discovery algorithm based on the central node, each node plays the same role in the complex network by default. The weight value is the same when the module degree is calculated, which leads to the problem that different nodes can not reflect their own role and value in the network. In this paper, the basic idea of PageRank algorithm is introduced. In order to reflect the different roles played by different nodes in the network, this paper also proposes the concept of weighted local community contribution. On this basis, a community discovery algorithm based on the core cluster is proposed. Based on finding a community central node, the core sub-cluster of the community is found by the node degree and other characteristics. Then the weighted local module degree is used to optimize each community, and the special nodes that are not divided into communities are optimized. In order to obtain the community partition of the whole network.) the two algorithms proposed in this paper have some advantages in the application of complex network, through the community partition experiment on the complex network data set. Finally, we can find that the community discovery algorithm in this paper has some advantages.
【學(xué)位授予單位】：南京理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：O157.5

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 龍騰芳,高金文;“分而治之”方法在算法設(shè)計(jì)中的應(yīng)用[J];渤海大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年01期

2 田翠華;王偉杰;許衛(wèi)平;;《算法設(shè)計(jì)與分析》的理論研究與教學(xué)實(shí)踐[J];赤峰學(xué)院學(xué)報(bào)(自然科學(xué)版);2012年15期

3 仇棣;;算法設(shè)計(jì)與分析——計(jì)算機(jī)理論領(lǐng)域中的一本好書(shū)[J];應(yīng)用數(shù)學(xué);1991年02期

4 張銀明;元素判別值分配法及其算法設(shè)計(jì)[J];計(jì)算機(jī)工程與應(yīng)用;1995年06期

5 沈?yàn)?;信息與計(jì)算科學(xué)專業(yè)的算法設(shè)計(jì)能力培養(yǎng)方法[J];學(xué)園;2014年10期

6 李秦;;建構(gòu)主義教學(xué)模式與算法設(shè)計(jì)與分析課程教學(xué)[J];甘肅科技;2013年24期

7 夏夢(mèng);;《算法設(shè)計(jì)與分析》的教學(xué)方法研究[J];科技資訊;2009年18期

8 許道云;;算法機(jī)制設(shè)計(jì)的數(shù)學(xué)基礎(chǔ)[J];貴州大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年03期

9 張銀明;貨郎擔(dān)問(wèn)題的新解法及其算法設(shè)計(jì)[J];華僑大學(xué)學(xué)報(bào)(自然科學(xué)版);1995年04期

10 陳云霞;聶士澄;;試談學(xué)生算法設(shè)計(jì)能力的培養(yǎng)[J];揚(yáng)州師院學(xué)報(bào)(自然科學(xué)版);1995年03期

相關(guān)會(huì)議論文 前10條

1 雷詠梅;;橢圓曲線密碼體制的算法設(shè)計(jì)與實(shí)現(xiàn)[A];西部大開(kāi)發(fā) 科教先行與可持續(xù)發(fā)展——中國(guó)科協(xié)2000年學(xué)術(shù)年會(huì)文集[C];2000年

2 楊盤洪;朱軍祥;趙建安;楊靜;;機(jī)動(dòng)目標(biāo)跟蹤的模糊變結(jié)構(gòu)交互多模算法[A];2007'中國(guó)儀器儀表與測(cè)控技術(shù)交流大會(huì)論文集（二）[C];2007年

3 徐子珊;;《算法設(shè)計(jì)與分析》課程中的工程教育[A];2005年全國(guó)理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

4 王輝;劉治昌;;用一種新算法設(shè)計(jì)的安全系統(tǒng)[A];2007年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2007年

5 舒輝;柳清峰;杜祝平;周蓓;;實(shí)踐教學(xué)模式在本科專業(yè)課程教學(xué)中的應(yīng)用[A];中國(guó)電子教育學(xué)會(huì)高教分會(huì)2010年論文集[C];2010年

6 彭小宏;陽(yáng)東升;劉忠;;基于聚類算法的組織協(xié)作網(wǎng)設(shè)計(jì)[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

7 李皓;羅熊;;云存儲(chǔ)部署優(yōu)化的進(jìn)化算法設(shè)計(jì)[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第三分冊(cè)）[C];2013年

8 羅長(zhǎng)政;李熙瑩;王鎮(zhèn)波;羅東華;;一種大流量交叉路口的背景提取與更新算法[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

9 楊利;李霖;昌月樓;陽(yáng)國(guó)貴;;對(duì)稱位向量及啟發(fā)式并行散列連接算法[A];數(shù)據(jù)庫(kù)研究與進(jìn)展95——第十三屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集[C];1995年

10 張晉;;嵌入式電腦鼠運(yùn)行算法的研究[A];全國(guó)第20屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議（CACIS·2009）暨全國(guó)第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2009年

相關(guān)重要報(bào)紙文章 前1條

1 ;算法設(shè)計(jì)的策略[N];電腦報(bào);2003年

相關(guān)博士學(xué)位論文 前10條

1 江立輝;基于干擾對(duì)齊的多用戶無(wú)線傳輸優(yōu)化方法研究[D];哈爾濱工業(yè)大學(xué);2015年

2 史亞;多核學(xué)習(xí)算法與應(yīng)用研究[D];西安電子科技大學(xué);2015年

3 薛菲;基于蝙蝠算法的啟發(fā)式智能優(yōu)化研究與應(yīng)用[D];北京工業(yè)大學(xué);2016年

4 沈虎;支持干擾管理的無(wú)線并發(fā)通信協(xié)議及算法[D];國(guó)防科學(xué)技術(shù)大學(xué);2015年

5 谷偉哲;齊次光滑算法及其應(yīng)用[D];天津大學(xué);2010年

6 龍海俠;進(jìn)化算法及其在生物信息中的應(yīng)用[D];江南大學(xué);2010年

7 譚躍;具有混沌局部搜索策略的粒子群優(yōu)化算法研究[D];中南大學(xué);2013年

8 尤海峰;求解隱式目標(biāo)優(yōu)化問(wèn)題的交互式進(jìn)化算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

9 張常淳;基于MapReduce的大數(shù)據(jù)連接算法的設(shè)計(jì)與優(yōu)化[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

10 郭崇慧;地區(qū)中長(zhǎng)期發(fā)展規(guī)劃若干定量模型、算法及應(yīng)用研究[D];大連理工大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

1 李欣園;基于選擇偏好的組合聚類算法研究與實(shí)現(xiàn)[D];內(nèi)蒙古大學(xué);2015年

2 楊瀟;界約束非線性最小二乘問(wèn)題的無(wú)導(dǎo)數(shù)算法[D];上海交通大學(xué);2015年

3 王曉璐;基于Zynq的LS-SVM算法加速器設(shè)計(jì)[D];哈爾濱工業(yè)大學(xué);2015年

4 樓磊磊;醫(yī)療保險(xiǎn)數(shù)據(jù)異常行為檢測(cè)算法和系統(tǒng)[D];浙江大學(xué);2015年

5 齊海龍;基于改進(jìn)人工蜂群算法的非線性系統(tǒng)辨識(shí)方法研究[D];北京化工大學(xué);2015年

6 蔡平梅;結(jié)構(gòu)化稀疏信號(hào)的恢復(fù)算法研究[D];上海大學(xué);2015年

7 趙晨陽(yáng);基于蟻群算法的高階圖匹配方法研究[D];西安電子科技大學(xué);2014年

8 茍清松;多目標(biāo)粒子濾波檢測(cè)前跟蹤算法研究[D];電子科技大學(xué);2015年

9 李枝勇;蝙蝠算法及其在函數(shù)優(yōu)化中的應(yīng)用研究[D];上海理工大學(xué);2013年

10 李蓮;基于蜂群和粗糙集的聚類算法研究[D];長(zhǎng)沙理工大學(xué);2014年

，

本文編號(hào)：1429013