基于复杂网络结构的社区划分算法研究

发布时间：2021-07-03 02:47

　　随着科技的不断进步,现实世界中复杂系统的种类和规模都在不断发生变化,种类的多样化与规模的迅速增长使复杂网络的复杂性变得越来越高,如何在这种巨大的数据量中获得有用知识成为复杂网络研究的热点。社区划分能够揭示现实世界中存在的潜在规律,可以应用于社交网络、万维网、电子商务领域和刑侦等各个领域中。因此,本课题的研究具有理论价值和实际意义。基于电阻网络的社区划分算法能够在线性时间内对社会网络进行社区划分。然而,该类算法采用图分割的思想只能将社会网络划分为两个相似规模的社区,对多社区划分问题需要迭代执行该算法,算法执行效率比较低;此外,该类算法需要事先设置电压阈值来对社会网络进行社区划分,设定的阈值会直接影响社区划分的准确性。针对该类算法存在的上述两类问题,本文提出了一种基于电压均值的社区划分算法,使用节点电压均值选取社区中心节点,避免了电压阈值的设定,并且可以进行多社区划分;另外,本文又提出了一种基于确定社区个数的社区划分算法,使用社区核心节点作为初始中心节点,解决了预先设定欲划分社区数目的问题。最后,本文采用社区划分领域中两个经典的数据集,对所提出的算法进行实验分析验证。实验结果表明,本文提出... 

【文章来源】：哈尔滨工程大学黑龙江省 211工程院校

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

图有向无权图4545无向无权

无向有权图有向有权图图 2.1 复杂网络的四类图为了能够更好地研究复杂网络，本文将复杂网络抽象成无向无权图，由于矩阵可以的体现复杂网络中节点的关系，本文采用邻接矩阵的数据结构来存储图，即A(G) =i,j ∈ V(G) ，其中， 的取值是 0 或者 1，当节点 i 和节点 j 之间存在连接时， = 1， = 0。（1）度与平均度节点的度数（Degree）指的是网络中节点的邻居数目，如果一个节点的度数越大该节点与邻居节点的联系越密切，证明该节点在网络中所处的位置较其他节点更重从而该节点成为核心节点的可能性也就越大，故而可以从节点的度数来分析节点在中的重要程度。( )( )D iijj V Ga∈= (2-1)通常情况下，复杂网络的平均度就是网络中所有节点度数的均值，用公式表示为

【参考文献】：
期刊论文
[1]层次聚类社区发现算法的研究[J]. 龚尚福,陈婉璐,贾澎涛.  计算机应用研究. 2013(11)
[2]基于重叠模块度的社区离群点检测[J]. 封海岳,薛安荣.  计算机应用与软件. 2013(05)
[3]基于多目标优化的网络社区发现方法[J]. 黄发良,张师超,朱晓峰.  软件学报. 2013(09)
[4]一种基于边数随机增长的BA网络模型[J]. 王金龙,刘方爱.  计算机应用研究. 2013(05)
[5]一种结合文本和链接分析的局部Web社区识别技术[J]. 张宪超,徐雯,高亮,梁文新.  计算机研究与发展. 2012(11)
[6]基于连边相似度的重叠社区发现算法研究[J]. 施伟,傅鹤岗,张程.  计算机应用研究. 2013(01)
[7]一种新的群组发现算法[J]. 徐诗恒,聂幼三,柳波.  计算机应用与软件. 2009(11)
[8]Wu-Huberman方法和贪婪算法相结合的新聚类算法[J]. 谢福鼎,张磊,嵇敏,黄丹.  计算机工程与设计. 2009(10)

硕士论文
[1]面向复杂网络的社区发现算法研究[D]. 姜秀芳.中国科学技术大学 2011



本文编号：3261709