复杂网络节点排序算法若干问题研究
发布时间：2020-10-14 00:47
随着互联网的兴起和发展,复杂网络被广泛应用于各类网络系统的研究。作为现实网络系统的抽象表示,复杂网络因其逻辑关系合理、结构变化灵活等特点而成为研究网络系统的重要对象。在当今的发展趋势下,针对网络个体单元的排序问题进行研究对系统管理者具有重要的意义。例如,利用网络中节点的异常度排序可以有效的发现错误,帮助管理者进行故障检测和排查;社交网络中用户影响力排序,可以帮助管理者了解网络的信息传播规律,促进传播范围最大化。在这些方面复杂网络节点排序算法都起着至关重要的作用。本文结合实际调研工作,针对以下两类具有代表性的复杂网络系统中的节点排序问题进行了研究。第一类研究对象是分布式网络系统。在该系统中,信息的表现形式是由硬件产生的数据流。本研究通过对数据流进行建模形成复杂网络,并在此基础上对节点的异常度排序相关问题进行了研究。具体内容为:在ARX模型的基础上,利用分割回归模型的方法[1],首先利用分割后的回归矩阵计算出标准适应度评分,然后通过标准适应度评分不断减少每一个分割部分的候选不变边,从而在不丢失不变边的情况下达到提升时间性能的效果。在分割回归矩阵的算法基础上提出了一种聚类算法来进一步提升时间性能,该算法利用皮尔森系数定义了节点的关联性,并使用最小割算法对网络中的节点进行聚类,形成了一种近似搜索方法来更有效地搜索所有节点之间的不变边。在利用不变边搜索对原始数据进行建模之后,在论文[1]的基础上,根据不变边变化规律,利用置信传播算法,对网络中所有节点进行异常度排序。这一方法对于系统管理者检测网络系统中的错误从而进行故障诊断具有重要的意义。第二类研究对象是社交网络。在该类系统中,信息是由用户生成的,本论文针对该类网络中用户的活跃程度相关问题进行了研究。具体内容如下:在包含大量数据的社交网络系统中,首先利用无向图对社交网络数据进行了建模。其次,根据节点的空间和时间相关性,设计出用户初始活力评分算法,并通过迭代算法对原始的活力评分进行处理,提升用户的活力评分的稳定性,利用用户活力评分对社交网络中的节点进行排序。根据排序结果,以实际应用需求为出发点,采用了指数平滑预测算法,并在此基础上根据本文提出的排序算法特点对该算法进行了改进,形成了简单有效的用户活力预测算法。通过研究,本文希望为互联网领域的工作者提供一些优化策略,并在生产中能够得以应用,为我国互联网事业的进一步开发和发展创造理论条件。
【学位单位】：合肥工业大学
【学位级别】：博士
【学位年份】：2018
【中图分类】：O157.5
【部分图文】：
合肥工业大学学位论文??型的边。图１．２中呈现了一个典型的复杂网络系统。??ｉｉ！户?＾??（?）??，，丫、＼??商品ｉ’ｉ点－——／?（＾）??川户和商?＿ｚ??品关系－＿＋＿?、丨??图１．１网络购物平台中实体之间的关系示意图??Ｆｉｇｕｒｅ?１．１?Ｄｉａｇｒａｍ?ｏｆ?ｔｈｅ?ｒｅｌａｔｉｏｎｓｈｉｐ?ｂｅｔｗｅｅｎ?ｅｎｔｉｔｉｅｓ?ｏｎｅ－ｃｏｍｍｅｒｃｅ?Ｗｅｂ?ｓｙｓｔｅｍ??ｍ．?＾?＊??图１．２蛋白质互相作用的网络结构图［４Ｇ］??Ｆｉｇｕｒｅ?１．２?Ｇｒａｐｈｓ?ｏｆ?ｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎ?ｉｎｔｅｒａｃｔｉｏｎｓ＾??针对以上这些特性，对真实世界中的复杂网络系统进行建模，形成一个完整??数学模型，并在此基础上对现实网络系统进行分析，如此能够更加透彻地掌握其??运作机理针对于复杂网络，研宄学者一般采用图作为数学模型。２０世纪??５０年代，在文献［４１，４２］中，Ｅｒｄｓ和Ｒｄｎｙｉ建立随机网络模型，其中度分布服从泊??松分布（ＥＲ模型），这项工作也成为复杂网络研究的重要基础性工作。在此之后，??社会心理学研究者Ｍｉｌｇｒａｍ通过一个社会学实验证明小世界特性＿
合肥工业大学学位论文??型的边。图１．２中呈现了一个典型的复杂网络系统。??ｉｉ！户?＾??（?）??，，丫、＼??商品ｉ’ｉ点－——／?（＾）??川户和商?＿ｚ??品关系－＿＋＿?、丨??图１．１网络购物平台中实体之间的关系示意图??Ｆｉｇｕｒｅ?１．１?Ｄｉａｇｒａｍ?ｏｆ?ｔｈｅ?ｒｅｌａｔｉｏｎｓｈｉｐ?ｂｅｔｗｅｅｎ?ｅｎｔｉｔｉｅｓ?ｏｎｅ－ｃｏｍｍｅｒｃｅ?Ｗｅｂ?ｓｙｓｔｅｍ??ｍ．?＾?＊??图１．２蛋白质互相作用的网络结构图［４Ｇ］??Ｆｉｇｕｒｅ?１．２?Ｇｒａｐｈｓ?ｏｆ?ｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎ?ｉｎｔｅｒａｃｔｉｏｎｓ＾??针对以上这些特性，对真实世界中的复杂网络系统进行建模，形成一个完整??数学模型，并在此基础上对现实网络系统进行分析，如此能够更加透彻地掌握其??运作机理针对于复杂网络，研宄学者一般采用图作为数学模型。２０世纪??５０年代，在文献［４１，４２］中，Ｅｒｄｓ和Ｒｄｎｙｉ建立随机网络模型，其中度分布服从泊??松分布（ＥＲ模型），这项工作也成为复杂网络研究的重要基础性工作。在此之后，??社会心理学研究者Ｍｉｌｇｒａｍ通过一个社会学实验证明小世界特性＿
呈现网络结构的数学模型，一般可以将复杂网络的图结构分为两个大类：无向图??和有向图。在这其中，如果边上无权值，该图被称为无权图，如果边上存在权值，??就称该图为有权图。图１．３列出了这些网络结构的示意图，而本文中使用无向图??作为研宄重点，且假设图模型中不存在自环和重边问题。??１．３复杂网络中排序算法现状与分析??１．３．１?基于不变边捜索的图建模算法??对于分布式信息系统，不变边搜索一直是一种有效的建模方法。据我们所知，??信息系统中的“不变边”概念最初是在文献［４９］中提出的，并被广泛应用于大规模??系统管理。由于不变边搜索成本较高，在文献［２８］中Ｊｉａｎｇ等人开发了两种改进的??５??
【参考文献】
本文编号：2839929
【学位单位】：合肥工业大学
【学位级别】：博士
【学位年份】：2018
【中图分类】：O157.5
【部分图文】：
合肥工业大学学位论文??型的边。图１．２中呈现了一个典型的复杂网络系统。??ｉｉ！户?＾??（?）??，，丫、＼??商品ｉ’ｉ点－——／?（＾）??川户和商?＿ｚ??品关系－＿＋＿?、丨??图１．１网络购物平台中实体之间的关系示意图??Ｆｉｇｕｒｅ?１．１?Ｄｉａｇｒａｍ?ｏｆ?ｔｈｅ?ｒｅｌａｔｉｏｎｓｈｉｐ?ｂｅｔｗｅｅｎ?ｅｎｔｉｔｉｅｓ?ｏｎｅ－ｃｏｍｍｅｒｃｅ?Ｗｅｂ?ｓｙｓｔｅｍ??ｍ．?＾?＊??图１．２蛋白质互相作用的网络结构图［４Ｇ］??Ｆｉｇｕｒｅ?１．２?Ｇｒａｐｈｓ?ｏｆ?ｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎ?ｉｎｔｅｒａｃｔｉｏｎｓ＾??针对以上这些特性，对真实世界中的复杂网络系统进行建模，形成一个完整??数学模型，并在此基础上对现实网络系统进行分析，如此能够更加透彻地掌握其??运作机理针对于复杂网络，研宄学者一般采用图作为数学模型。２０世纪??５０年代，在文献［４１，４２］中，Ｅｒｄｓ和Ｒｄｎｙｉ建立随机网络模型，其中度分布服从泊??松分布（ＥＲ模型），这项工作也成为复杂网络研究的重要基础性工作。在此之后，??社会心理学研究者Ｍｉｌｇｒａｍ通过一个社会学实验证明小世界特性＿
合肥工业大学学位论文??型的边。图１．２中呈现了一个典型的复杂网络系统。??ｉｉ！户?＾??（?）??，，丫、＼??商品ｉ’ｉ点－——／?（＾）??川户和商?＿ｚ??品关系－＿＋＿?、丨??图１．１网络购物平台中实体之间的关系示意图??Ｆｉｇｕｒｅ?１．１?Ｄｉａｇｒａｍ?ｏｆ?ｔｈｅ?ｒｅｌａｔｉｏｎｓｈｉｐ?ｂｅｔｗｅｅｎ?ｅｎｔｉｔｉｅｓ?ｏｎｅ－ｃｏｍｍｅｒｃｅ?Ｗｅｂ?ｓｙｓｔｅｍ??ｍ．?＾?＊??图１．２蛋白质互相作用的网络结构图［４Ｇ］??Ｆｉｇｕｒｅ?１．２?Ｇｒａｐｈｓ?ｏｆ?ｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎ?ｉｎｔｅｒａｃｔｉｏｎｓ＾??针对以上这些特性，对真实世界中的复杂网络系统进行建模，形成一个完整??数学模型，并在此基础上对现实网络系统进行分析，如此能够更加透彻地掌握其??运作机理针对于复杂网络，研宄学者一般采用图作为数学模型。２０世纪??５０年代，在文献［４１，４２］中，Ｅｒｄｓ和Ｒｄｎｙｉ建立随机网络模型，其中度分布服从泊??松分布（ＥＲ模型），这项工作也成为复杂网络研究的重要基础性工作。在此之后，??社会心理学研究者Ｍｉｌｇｒａｍ通过一个社会学实验证明小世界特性＿
呈现网络结构的数学模型，一般可以将复杂网络的图结构分为两个大类：无向图??和有向图。在这其中，如果边上无权值，该图被称为无权图，如果边上存在权值，??就称该图为有权图。图１．３列出了这些网络结构的示意图，而本文中使用无向图??作为研宄重点，且假设图模型中不存在自环和重边问题。??１．３复杂网络中排序算法现状与分析??１．３．１?基于不变边捜索的图建模算法??对于分布式信息系统，不变边搜索一直是一种有效的建模方法。据我们所知，??信息系统中的“不变边”概念最初是在文献［４９］中提出的，并被广泛应用于大规模??系统管理。由于不变边搜索成本较高，在文献［２８］中Ｊｉａｎｇ等人开发了两种改进的??５??
【参考文献】
相关期刊论文 前2条
1 高自友;赵小梅;黄海军;毛保华;;复杂网络理论与城市交通系统复杂性问题的相关研究[J];交通运输系统工程与信息;2006年03期
2 周涛,柏文洁,汪秉宏,刘之景,严钢;复杂网络研究概述[J];物理;2005年01期
本文编号：2839929
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/2839929.html
