基于团图聚类的重叠社区发现算法

发布时间：2022-09-30 20:46

　　网络科学是研究复杂网络系统的定性和定量规律的一门交叉科学,研究涉及到复杂网络的各种拓扑结构及其性质,其研究对象来源于各应用领域,例如移动通信网络,交通网络,电力网络等.应用领域中很多网络都具有社区结构,即整个网络由多个社区构成,社区内个体之间的连接比较紧密,社区间个体之间的连接比较稀疏.由于社区结构对于深入理解网络的本质和充分利用网络的信息具有重要意义,社区发现成为了网络数据分析的一个重要课题.传统的网络社区发现算法着重于研究社区的定量刻画和社区结构的有效挖掘,多数社区发现算法把网络中的个体分且仅分到一个社区,但在许多实际的网络中,社区结构往往具有相互重叠的特征,即存在一些“骑墙节点”,这些骑墙节点可能同时属于多个社区.在这种情况下,挖掘重叠社区结构和分析重叠节点的特性,将有助于我们更准确地了解网络的结构特征.2010年,Lehmann等人提出了一种能够发现具有重叠性和层次性社区结构的方法,把社区看作是网络中边的集合,对边进行社区发现,进而基于边的社区得到原网络节点的重叠社区.然而,在很多真实网络中边数往往大于节点数,因此把边图作为二级图进行聚类与直接将节点进行聚类相比,将极大地增加社... 

【文章页数】：42 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
1 引言
    1.1 课题背景
    1.2 研究动机
    1.3 论文结构
2 相关定义及算法过程
    2.1 连边社区发现算法的算法过程
    2.2 团图聚类算法的相关定义及算法过程
3 边图聚类与团图聚类的模拟研究对比
    3.1 LFR基准图简介
    3.2 LFR基准图模拟结果
4 边图聚类与团图聚类的实例研究对比
    4.1 Karate Club数据集
    4.2 Dolphin social network数据集
5 结论
    5.1 算法的结果分析
    5.2 团图聚类算法的改进
参考文献
致谢


【参考文献】：
期刊论文
[1]复杂网络的重叠社区发现并行算法[J]. 滕飞,戴荣杰,任晓春.  西南交通大学学报. 2019(01)
[2]复杂网络大数据中重叠社区检测算法[J]. 乔少杰,韩楠,张凯峰,邹磊,王宏志,Louis Alberto GUTIERREZ.  软件学报. 2017(03)



本文编号：3684247