本文關鍵詞：復雜網絡中的社區(qū)發(fā)現(xiàn)算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著復雜網絡研究的興起,從復雜網絡的角度研究復雜系統(tǒng)受到了越來越多的關注�，F(xiàn)實世界中大量的復雜系統(tǒng)均可以用復雜網絡來描述。社區(qū)結構作為復雜網絡的重要特性之一,引起了研究者的廣泛關注。社區(qū)發(fā)現(xiàn)即為挖掘復雜網絡中的模塊化的社區(qū)結構的過程,這對于理解復雜網絡的功能、發(fā)現(xiàn)復雜網絡中隱藏的規(guī)律和預測復雜網絡的行為具有重要的意義。然而,隨著網絡規(guī)模不斷擴大,網絡結構更加復雜,社區(qū)發(fā)現(xiàn)也變得異常困難。目前,已有的社區(qū)發(fā)現(xiàn)算法還存在以下問題:(1)現(xiàn)有的社區(qū)發(fā)現(xiàn)算法難以準確地發(fā)現(xiàn)穩(wěn)定的重疊社區(qū)結構;(2)基于節(jié)點的社區(qū)發(fā)現(xiàn)算法難以發(fā)現(xiàn)網絡中重疊度較高的社區(qū)結構;(3)傳統(tǒng)的社區(qū)發(fā)現(xiàn)算法僅僅關注網絡中的模塊化社區(qū)結構,無法進一步識別社區(qū)中的層次關系。本文針對上述問題展開研究,主要工作和研究成果如下:1.提出了一種基于非重疊極大子團的標簽傳播社區(qū)發(fā)現(xiàn)算法。該算法在標簽傳播算法的基礎上,對其進行三個方面的改進:在標簽初始化階段,通過查找網絡中非重疊的極大子團結構,賦予每個非重疊的極大子團唯一的標簽;在標簽傳播階段,通過選取具有最大標簽傳播率的標簽來更新節(jié)點標簽;在社區(qū)調整階段,通過合并相似度較高的社區(qū)來提升社區(qū)發(fā)現(xiàn)的質量。將該算法分別應用于計算機生成網絡和真實的社會網絡,實驗結果表明:該算法很好地解決了標簽傳播算法的魯棒性問題,并能準確地發(fā)現(xiàn)網絡中的重疊社區(qū)。2.提出了一種基于核心鏈路的重疊社區(qū)發(fā)現(xiàn)算法。相較于當前的基于節(jié)點的重疊社區(qū)發(fā)現(xiàn)算法,該算法從鏈路的角度出發(fā),通過選取核心鏈路,并根據鏈路影響力的強弱不斷吸引外層鏈路進而形成鏈路社區(qū)結構;再將鏈路社區(qū)轉化為節(jié)點社區(qū),經過節(jié)點社區(qū)調整后,得到全局最優(yōu)的重疊社區(qū)結構。該算法是一種無監(jiān)督算法,無需輸入額外參數(shù)。將該算法分別應用于計算機生成網絡和真實的社會網絡,實驗結果表明,相較于其它算法,該算法能夠更好地發(fā)現(xiàn)重疊度較高的社區(qū)結構。3.提出了一種基于種子節(jié)點集的社區(qū)層次結構發(fā)現(xiàn)算法。該算法通過選取種子節(jié)點,并根據余弦相似度的大小添加其最近鄰節(jié)點共同構成種子節(jié)點集;再由種子節(jié)點集出發(fā),基于分辨率公式進行社區(qū)層次結構探測,根據節(jié)點加入社區(qū)的度值比來判斷是否到達層次邊界;最后在已發(fā)現(xiàn)完畢的社區(qū)外選取新的種子節(jié)點集,并由此出發(fā)直到全網絡的社區(qū)層次結構發(fā)現(xiàn)完畢。將該算法分別應用于人工網絡和真實社會網絡,實驗表明,相較于其它算法,該算法能夠準確地發(fā)現(xiàn)網絡中全部的社區(qū)層次結構。
【關鍵詞】：復雜網絡 社區(qū)發(fā)現(xiàn) 重疊社區(qū) 層次社區(qū) 標簽傳播 鏈路聚類 社區(qū)分辨率
【學位授予單位】：解放軍信息工程大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：O157.5
【目錄】：

• 摘要4-5
• ABSTRACT5-11
• 第一章 緒論11-21
• 1.1 課題研究背景11-13
• 1.2 課題研究意義13-14
• 1.3 國內外研究現(xiàn)狀14-16
• 1.4 問題提出16-17
• 1.4.1 現(xiàn)有的社區(qū)發(fā)現(xiàn)算法難以準確地發(fā)現(xiàn)穩(wěn)定的重疊社區(qū)結構16-17
• 1.4.2 基于節(jié)點的社區(qū)發(fā)現(xiàn)算法難以發(fā)現(xiàn)網絡中重疊度較高的社區(qū)結構17
• 1.4.3 傳統(tǒng)的社區(qū)發(fā)現(xiàn)算法無法進一步識別社區(qū)中的層次關系17
• 1.5 本文主要內容和組織結構17-21
• 1.5.1 主要內容17-19
• 1.5.2 組織結構19-21
• 第二章 基于非重疊極大子團的標簽傳播社區(qū)發(fā)現(xiàn)算法21-33
• 2.1 引言21
• 2.2 LPA算法21-22
• 2.3 LPAc算法22-26
• 2.3.1 非重疊極大子團提取22-23
• 2.3.2 標簽傳播率概率模型提出23-24
• 2.3.3 社區(qū)結構調整24-25
• 2.3.4 算法描述25
• 2.3.5 算法復雜度分析25-26
• 2.4 實驗結果及分析26-31
• 2.4.1 評價指標26-27
• 2.4.2 計算機生成網絡27-30
• 2.4.3 真實社會網絡30-31
• 2.5 本章小結31-33
• 第三章 基于核心鏈路的重疊社區(qū)發(fā)現(xiàn)算法33-41
• 3.1 引言33
• 3.2 CLCD算法33-36
• 3.2.1 基本思想33-34
• 3.2.2 基本概念34
• 3.2.3 算法描述34-36
• 3.2.4 算法復雜度分析36
• 3.3 實驗結果及分析36-39
• 3.3.1 評價指標37
• 3.3.2 計算機生成網絡37-39
• 3.3.3 真實社會網絡39
• 3.4 本章小結39-41
• 第四章 基于種子節(jié)點集的社區(qū)層次結構發(fā)現(xiàn)算法41-49
• 4.1 引言41-42
• 4.2 HSS算法42-44
• 4.2.1 算法準備42-43
• 4.2.2 算法描述43
• 4.2.3 算法復雜度分析43-44
• 4.3 實驗結果及分析44-47
• 4.3.1 計算機生成網絡44-45
• 4.3.2 真實社會網絡45-47
• 4.4 本章小結47-49
• 第五章 總結與展望49-51
• 5.1 全文總結49
• 5.2 本文的主要創(chuàng)新點49
• 5.3 下一步研究工作展望49-51
• 致謝51-53
• 參考文獻53-57
• 作者簡歷 攻讀碩士學位期間完成的主要工作57

【參考文獻】

中國期刊全文數(shù)據庫 前7條

1 張澤華;苗奪謙;錢進;;鄰域粗糙化的啟發(fā)式重疊社區(qū)擴張方法[J];計算機學報;2013年10期

2 易秀雙;韓業(yè)挺;王興偉;;一種基于節(jié)點影響力的局部社區(qū)發(fā)現(xiàn)算法[J];小型微型計算機系統(tǒng);2013年09期

3 潘磊;金杰;王崇駿;謝俊元;;社會網絡中基于局部信息的邊社區(qū)挖掘[J];電子學報;2012年11期

4 駱志剛;丁凡;蔣曉舟;石金龍;;復雜網絡社團發(fā)現(xiàn)算法研究新進展[J];國防科技大學學報;2011年01期

5 黃健斌;孫鶴立;Dustin BORTNER;劉亞光;;從鏈接密度遍歷序列中挖掘網絡社團的層次結構[J];軟件學報;2011年05期

6 李曉佳;張鵬;狄增如;樊瑛;;復雜網絡中的社團結構[J];復雜系統(tǒng)與復雜性科學;2008年03期

7 解(亻芻);汪小帆;;復雜網絡中的社團結構分析算法研究綜述[J];復雜系統(tǒng)與復雜性科學;2005年03期

  本文關鍵詞：復雜網絡中的社區(qū)發(fā)現(xiàn)算法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：388341