多粒度社团发现方法的研究

发布时间：2017-10-10 17:23

  本文关键词：多粒度社团发现方法的研究

  更多相关文章： 复杂网络 社团发现 社团结构 邻居搜索 多粒度

【摘要】：在复杂网络中,社团结构是一种重要的拓扑结构属性,研究网络的社团发现是网络分析学的一个重要方向。所谓社团结构,是指社团内部相连接的边比较紧密,而社团之间相连接的边相对比较松散。在复杂网络中一些具有实际意义的实体通常表示为网络中的社团,社团发现对于理解复杂网络中的性能属性、揭示网络中的内在结构等方面具有重要的意义。近年来,研究者们对于社团发现取得了一些研究成果,提出了众多的社团发现算法,在社团划分中,主要是从某一个粒度层面对实际网络研究分析发现其社团结构。然而在实际网络中,社团结构的许多层面对网络功能的有影响,在单一粒度下划分不易于直观的分析社团。因此需从多粒度、多层次的角度来发现社团。本文主要是关于复杂网络中社团发现相关问题展开的研究,根据网络的拓扑结构信息分别从单一粒度下基于邻居节点搜索的社团发现来和多粒度下对网络粒度的粗细变化来分析发现社团,针对复杂网络中社团发现方法,本文做了以下工作：1.首先对社团发现算法的研究现状做出了概括和总结,并简要分析了各种算法的适用范围及各自的优缺点。2.针对复杂网络中社团发现方法在单粒度下提出了一种基于邻居节点的社团发现算法。首先选取网络中的度数最大的节点,将其作为网络中的社团核心开始搜索。然后将满足一定的定量条件的邻居节点加入到社团中,并对剩余的节点重复上述步骤,直到没有满足条件的节点为止。最后对不满足条件的节点采用邻居节点投票法决定其所属社团,最终形成多个互不相交的社团。3.对复杂网络中单粒度下的社团发现算法进行了扩展研究,提出多粒度社团发现方法。首先在单一粒度下利用有效的社团发现算法得到整个网络的社团结构信息。然后通过网络的粒度的改变来观察挖掘网络中的社团,将已知的社团构成新的网络拓扑结构,继续重复挖掘社团,通过粒度粗细的变化,观察不同粒度的社团,直到符合分析要求为止。4.研究了网络的社团划分方法,并利用它们对本文的算法和已有的经典算法进行比较,验证了本文算法在复杂网络中发现社团在运算效率和准确性上的有效可行性。
【关键词】：复杂网络 社团发现 社团结构 邻居搜索 多粒度
【学位授予单位】：安徽大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：O157.5
【目录】：

• 摘要3-5
• Abstract5-9
• 第一章 绪论9-13
• 1.1 研究背景及意义9-10
• 1.2 国内外研究现状10-11
• 1.3 本文研究内容和结构安排11-13
• 第二章 社团划分方法相关知识13-26
• 2.1 基本概念13-17
• 2.1.1 复杂网络和社团结构13-15
• 2.1.2 度和度分布15-16
• 2.1.3 粒度16-17
• 2.2 社团结构评价标准17-19
• 2.2.1 模块度17-18
• 2.2.2 归一化互信息18-19
• 2.3 社团发现经典算法19-25
• 2.3.1 GN算法19-20
• 2.3.2 LPA算法20-21
• 2.3.3 NFA算法21-23
• 2.3.4 Louvain算法23-24
• 2.3.5 EAGLE算法24-25
• 2.4 本章小结25-26
• 第三章 基于邻居节点搜索的社团发现26-35
• 3.1 算法介绍26-29
• 3.1.1 算法思想26-28
• 3.1.2 算法内容28-29
• 3.1.3 时间复杂度分析29
• 3.2 实验及结果分析29-34
• 3.2.1 实验数据集29-30
• 3.2.2 参数设置30-31
• 3.2.3 实验结果31-34
• 3.3 本章小结34-35
• 第四章 基于粒化的社团发现35-45
• 4.1 方法介绍35-37
• 4.2 粒度网络的构建37-40
• 4.3 实验及结果分析40-44
• 4.3.1 实验数据集41
• 4.3.2 实验分析41-44
• 4.4 本章小结44-45
• 第五章 总结与展望45-47
• 5.1 本文总结45-46
• 5.2 未来展望46-47
• 参考文献47-53
• 附录A 图索引53-54
• Appendix A Figure Index54-55
• 附录B 表索引55-56
• Appendix B Table Index56-57
• 致谢57-58
• 攻读硕士学位期间发表的论文及参与的科研项目58

【相似文献】

中国期刊全文数据库 前10条

1 刘晋霞;曾建潮;薛耀文;;复杂网络强社团结构探测[J];小型微型计算机系统;2011年04期

2 贾宁宁;封筠;;复杂网络的社团结构发现[J];河北省科学院学报;2013年02期

3 宣照国;苗静;党延忠;刘建国;;科研领域关联网络的社团结构分析[J];上海理工大学学报;2008年02期

4 王伊蕾;王远志;李涛;田生文;;伪度优先演化网络的社团结构研究[J];计算机工程与应用;2009年20期

5 汪小帆;刘亚冰;;复杂网络中的社团结构算法综述[J];电子科技大学学报;2009年05期

6 司夏萌;刘云;丁飞;熊菲;;具有社团结构的有界信任舆论涌现模型研究[J];系统仿真学报;2009年23期

7 谢军;;复杂网络中分析社团结构算法研究概述[J];信息通信;2010年04期

8 朱大勇;张新丽;李树全;;利用局部拓扑信息发现模糊社团结构[J];电子科技大学学报;2011年01期

9 邵斐;蒋国平;;基于社团结构的负载传输优化策略研究[J];物理学报;2011年07期

10 谈煜;梁润鹏;;一种基于层次化社团结构的网络可视化方法[J];微型电脑应用;2012年04期

中国重要会议论文全文数据库 前5条

1 苗清影;汪小帆;;基于社团结构的复杂网络可控性研究[A];第五届全国复杂网络学术会议论文（摘要）汇集[C];2009年

2 李晓佳;张鹏;狄增如;樊瑛;;复杂网络中的社团结构[A];第四届全国网络科学学术论坛暨研究生暑期学校论文集[C];2008年

3 胡延庆;赵尔波;张丹;狄增如;樊瑛;;社团结构的局域和自适应比较性定义及其相应探测方法[A];第五届全国复杂网络学术会议论文（摘要）汇集[C];2009年

4 吴文涛;肖仰华;何震瀛;汪卫;余韬;;基于权重信息挖掘社会网络中的隐含社团[A];第26届中国数据库学术会议论文集（B辑）[C];2009年

5 樊瑛;李梦辉;张鹏;吴金闪;狄增如;;权重对网络结构和性质的影响——社团结构中权重的作用[A];2006全国复杂网络学术会议论文集[C];2006年

中国博士学位论文全文数据库 前10条

1 程建军;复杂网络中的社团检测方法研究[D];兰州大学;2015年

2 李琳;基于多元统计分析的社团挖掘算法研究[D];上海交通大学;2014年

3 武志昊;复杂网络中的重叠社团发现问题研究[D];北京交通大学;2013年

4 魏芳;基于图挖掘的网络社团结构发现[D];复旦大学;2008年

5 刘传建;复杂网络中的社团结构划分及分析应用[D];山东大学;2014年

6 何东晓;复杂网络社团结构发现方法研究[D];吉林大学;2014年

7 刘晋霞;复杂网络社团结构的探测及其在资金融通网络中的应用研究[D];兰州理工大学;2013年

8 刘瑶;社会网络特征分析与社团结构挖掘[D];电子科技大学;2013年

9 邬盈盈;基于V稳定性理论的复杂网络稳定性分析与牵制控制方法研究[D];浙江大学;2010年

10 于乐;社会网络中社团发现及网络演化分析[D];北京邮电大学;2014年

中国硕士学位论文全文数据库 前10条

1 刘微;复杂网络中社团结构的发现[D];辽宁师范大学;2011年

2 王大军;基于标签传播的社团检测算法研究[D];辽宁大学;2015年

3 杨强;微博社交网络模型的建立及其性质研究[D];北京化工大学;2015年

4 付世海;基于社团结构的网络多传播源定位算法研究[D];东北大学;2013年

5 马骁骑;复杂网络中社团检测技术研究[D];黑龙江大学;2015年

6 张献鹏;基于P4结构的社团挖掘方法[D];西安电子科技大学;2014年

7 陈奔燕;复杂网络的社团探测[D];湘潭大学;2015年

8 杜梅;基于半监督的社团结构发现方法研究[D];合肥工业大学;2014年

9 韩凌霄;复杂网络社团划分及城市公交网络研究[D];青岛理工大学;2015年

10 董哲;复杂网络中的社团发现算法研究[D];解放军信息工程大学;2014年

，

本文编号：1007627