大规模网络广义社区发现随机变分推理算法

发布时间：2018-10-08 15:34

【摘要】：流行度-生成度随机块(popularity-productivity stochastic block,PPSB)模型能发现网络广义社区,但该模型易过拟合,且不能有效处理大规模网络,故提出一个3层贝叶斯网络广义社区发现(generalized PPSB,GPPSB)模型,并给出实现大规模链接网络和内容网络广义社区发现的随机变分推理(stochastic variational inference,SVI)算法GPPSB-SVI和GPPSB-C-SVI。不同规模人工网络和实际网络上的实验结果表明:GPPSB-SVI准确性优于已有流行大规模网络社区发现算法,效率高于基于PPSB模型的广义社区发现算法;GPPSB-C-SVI准确性优于GPPSB-SVI算法;GPPSB模型引入节点隶属度和类间链接概率矩阵的先验分布,可更好地对网络建模,其参数估计算法GPPSB-SVI、GPPSB-C-SVI可更有效地实现大规模网络广义社区发现。
[Abstract]:The popularity-productivity stochastic block,PPSB model can find the generalized community of the network, but the model is easy to fit and can not deal with the large-scale network effectively. Therefore, a three-layer Bayesian network generalized community discovery (generalized PPSB,GPPSB) model is proposed. The stochastic variational reasoning (stochastic variational inference,SVI) algorithms GPPSB-SVI and GPPSB-C-SVI. for realizing the discovery of generalized community in large scale link networks and content networks are also given. The experimental results on different scale artificial networks and real networks show that the accuracy of the 10% GPPSB-SVI algorithm is better than that of popular large-scale network community discovery algorithms. The efficiency of GPPSB-C-SVI algorithm based on PPSB model is higher than that of GPPSB-C-SVI algorithm, which is better than that of GPPSB-SVI algorithm by introducing the prior distribution of node membership degree and interclass link probability matrix. The parameter estimation algorithm GPPSB-SVI,GPPSB-C-SVI is more effective in realizing generalized community discovery in large scale networks.
【作者单位】： 河北地质大学信息工程学院;河北省财政厅信息中心;
【基金】：国家自然科学基金(61503260)
【分类号】：TP393.09

【相似文献】

相关期刊论文 前10条

1 蔡军;徐锡山;叶云;程文聪;;一种大规模网络威胁评估模型[J];计算机工程与应用;2011年20期

2 李锋,邓铁军;“虚拟电路”新概念及其在大规模网络撕裂分析中的应用[J];应用科学学报;1998年01期

3 程光,龚俭,丁伟;大规模网络流量行为累加分解研究[J];计算机工程与科学;2002年05期

4 孙红杰;方滨兴;张宏莉;;一种新的大规模网络主动预警方法[J];电信科学;2007年01期

5 杨岳湘;王海龙;卢锡城;;基于信息熵的大规模网络流量异常分类[J];计算机工程与科学;2007年02期

6 吴雄;;全面提高入侵检测效率——面向大规模网络的分布式入侵检测系统介绍[J];中国教育网络;2006年12期

7 胡华平,张怡,陈海涛,宣蕾,孙鹏;面向大规模网络的入侵检测与预警系统研究[J];国防科技大学学报;2003年01期

8 赵阳;陈运清;范红;张鉴;;面向等级保护的大规模网络动态风险评估方法研究[J];信息网络安全;2007年08期

9 王景;;安全无忧 还有多远?[J];中国建设信息;2014年04期

10 程光,龚俭;大规模网络流量宏观行为周期性分析研究[J];小型微型计算机系统;2003年06期

相关会议论文 前2条

1 赵阳;范红;陈运清;张鉴;;面向等级保护的大规模网络动态风险评估方法研究[A];全国计算机安全学术交流会论文集（第二十二卷）[C];2007年

2 董亚波;陈宇峰;鲁东明;潘云鹤;;面向大规模网络的聚集TCP流量模拟方法研究[A];全国网络与信息安全技术研讨会'2005论文集（下册）[C];2005年

相关重要报纸文章 前2条

1 记者 冯志文;以色列发生大规模网络攻防战[N];科技日报;2013年

2 陈明　司宏伟;“大规模网络安全监控系统”获国家科技进步二等奖[N];解放军报;2010年

相关博士学位论文 前2条

1 李冬;大规模网络中误告警去除和告警聚类方法研究[D];华中科技大学;2008年

2 周明中;大规模网络IP流行为特性及其测量算法研究[D];东南大学;2006年

相关硕士学位论文 前10条

1 高青松;MOOC在中国高校的运行机制与对策研究[D];兰州大学;2015年

2 王冠楠;大规模网络中抽样策略与应用研究[D];电子科技大学;2015年

3 王海龙;大规模网络流量异常分析[D];国防科学技术大学;2006年

4 郑兆娜;基于大规模网络的安全风险评估研究[D];济南大学;2011年

5 但志广;基于P-中位模型的大规模网络选址问题的研究[D];天津财经大学;2013年

6 任生凯;大规模网络路由协议研究[D];西安电子科技大学;2014年

7 王佳;基于节点融合的多焦点大规模网络模拟抽象技术研究[D];哈尔滨工业大学;2010年

8 何晓冰;大规模网络流量异常预警技术研究[D];哈尔滨工程大学;2010年

9 杨会谦;大规模网络流量瓶颈分析[D];国防科学技术大学;2007年

10 周小勇;大规模网络流量实时分析技术的研究与实现[D];国防科学技术大学;2006年

，

本文编号：2257300