复杂网络的社区发现算法研究

发布时间：2017-05-15 06:10

  本文关键词：复杂网络的社区发现算法研究，由笔耕文化传播整理发布。

【摘要】：随着科学技术的发展,复杂网络的研究价值逐渐凸显,研究者们更多的关注复杂网络社区发现中关键节点的探索与研究,到目前为止,关于复杂网络的社区发现已经提出了大量的科研成果,在这众多的成果之中也有一些较为实用的方法,为更好的研究复杂网络提供了便利条件.本文在查阅了大量国内外文献研究的前提之下,对复杂网络的社区发现领域研究现状做了梳理与总结,并对复杂网络理论研究的历史进程进行了归纳,由此提出了聚类算法预处理的社区发现算法。本文提出了局部相似度聚类算法预处理的社区发现算法,首先利用社区发现算法在构建相似度后可以转换为聚类算法的基本思路,使用局部相似指标构建相似矩阵,使用谱聚类算法,参考特征间隙标准对当前网络进行预处理划分,再使用考量网络全局拓扑特性Page Rank算法作为核心节点的选择的参考指标,在预处理的每个社区结构内选择重要节点,计算每个非中心节点对每个重要节点所形成的社区结构的贡献值即节点适应度,选取适应度更大的节点依次加入相应社区,进而完成网络社区划分,最后融合K-means算法优秀思想,对得到的划分结果进行迭代计算直至社区结构达到稳定状态。需要特别指出的是,一部分复杂网络社区发现算法大多针对网络中重要节点为核心,进而进行社区拓展,当处理核心节点不明晰的网络时,划分的结构很难得到保证,本文提出的方法考首先运用谱聚类算法对当前网络社区结果进行预处理,克服了上述情况,使网络结构初始划分得到保证,同时由于在谱聚类算法过程中使用特征间隙求出初始聚类个数,社区结构有一定的效率做保证,因此,可根据初始划分社区数目作为一个合理的预选择参考值,同样避免K—means算法在不知晓社区划分个数参数K的情况下带来的效率问题,并在此基础上运用Page Rank、节点适应度等参考指标对重要节点的选择及社区合并算法进一步优化,进而完善社区结构。
【关键词】：复杂网络 社区相似 层次聚类 k-means算法 社区发现 重要结点评估
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：O157.5;TP311.13
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-17
• 1.1 研究背景及意义9-10
• 1.2 国内外研究现状10-15
• 1.3 本文主要工作15
• 1.4 本文组织架构15-17
• 第2章 复杂网络与社区发现相关理论17-28
• 2.1 复杂网络的简介17-19
• 2.1.1 复杂网络的概念17
• 2.1.2 复杂网络的发展历程17-19
• 2.2 复杂网络的特性19-23
• 2.2.1 复杂性19-20
• 2.2.2 小世界特性20-21
• 2.2.3 无标度特性21-22
• 2.2.4 中心性特性22-23
• 2.3 社区发现23-25
• 2.3.1 社区结构23-24
• 2.3.2 社区结构评价指标24-25
• 2.4 社区发现算法25-27
• 2.4.1 GN算法25
• 2.4.2 Kernighan-Lin算法25-26
• 2.4.3 LFK算法26-27
• 2.4.4 谱平分算法27
• 2.5 本章小结27-28
• 第3章 局部相似性聚类预处理的社区发现算法28-39
• 3.1 研究背景28-29
• 3.2 局部相似性聚类预处理算法相关概念29-35
• 3.2.1 聚类分析与社区划分的联系29
• 3.2.2 相似性度量方法29-31
• 3.2.3 相关聚类算法31-33
• 3.2.4 特征间隙33
• 3.2.5 PageRank参考参考指标33-34
• 3.2.6 适应度与fit函数34-35
• 3.3 局部相似性聚类预处理算法35-38
• 3.3.1 算法思想35-37
• 3.3.2 算法过程37-38
• 3.3.3 算法总结38
• 3.4 本章小结38-39
• 第4章 局部相似聚类预处理算法实验39-47
• 4.1 模块度与纯净度39-40
• 4.2 海豚数据集40-42
• 4.3 空手道俱乐部数据集42-43
• 4.4 美国大学橄榄球数据集43-46
• 4.5 本章小结46-47
• 第5章 总结与展望47-49
• 5.1 本文总结47
• 5.2 研究展望47-49
• 参考文献49-52
• 作者简介及在学期间所获得的科研成果52-53
• 致谢53

【相似文献】

中国期刊全文数据库 前10条

1 韩进;;算法浅说[J];广西教育学院学报;2008年04期

2 王贵竹;一种产生单向分解值的算法[J];安徽大学学报(自然科学版);2001年03期

3 高广尚;蒋泰;;ISO 18000-6 Type C中的防冲突机制分析[J];广西科学院学报;2008年04期

4 石连栓;离散变量结构优化设计算法研究综述[J];天津职业技术师范学院学报;2001年01期

5 张宏哲;;FFT算法的一种改进[J];长安大学学报(自然科学版);1988年01期

6 范晓平;;最小生成树(MST)的“分级选树”算法[J];西南交通大学学报;1983年01期

7 刘志奎;刘庆民;;零件矩形边界框区域自动提取算法及应用[J];光学技术;2012年02期

8 戴光明;张全元;包建全;;一种车型特征提取的新算法[J];武汉大学学报(信息科学版);2009年10期

9 李跃波;王丽珍;;AUCBoost算法处理不平衡分类问题[J];云南大学学报(自然科学版);2007年S2期

10 顾翔,徐克t，

本文编号：367016