复杂网络中有影响力节点的识别

发布时间：2021-09-30 20:02

　　复杂网络的研究对于人们从宏观和微观上理解系统的运行机制以及系统中个体在运行过程中所起作用有很大帮助。近年来,传播动力学作为复杂网络研究的一个重要方面,得到了人们的广泛关注。传播过程在我们的生活中无处不在,事实上,识别并充分地利用网络中传播能力较强的节点,有利于在社交网络中控制舆论的导向,促进新产品的大规模推广,抑制接触网络中流行病的爆发等。目前已有大量中心性指标被提出用于识别和衡量复杂网络中传播能力较强的节点。这些指标从不同的角度考察节点在网络中节点的重要性,各有优势及不足。如度中心性和k-shell分解算法,算法实现简单,时间复杂度较低,但通常情况下划分粒度较粗,与真实情况存在一定差距。接近中心性、介数中心性、特征向量中心性考虑的因素更具全局性,但时间复杂度相对更高,不适合在大规模网络中应用。结合目前的研究现状以及存在的问题,本文主要创新性工作及研究成果概括为以下两个方面:1)设计了分类邻居算法,根据节点在k-shell分解过程中被移除顺序,将节点的邻居分类,通过给不同类别的邻居分配不同权重,区分邻居对节点传播能力的贡献。本文认为节点的邻居越多并且邻居越接近于网络的核心,则节点的传播... 

【文章来源】：天津理工大学天津市

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

图(a)，(b)，(c)表示当连边概率的值分别为0.1，0.15，0.2时的随机网络

第二章 复杂网络中传播动力学简介大差异。实际上，真实网络并不是完全随机的，而是存在一定的随机性。Watts 和 Strongtz 于 1998 年提出小世界网络模型，后来被称为 WS 小世界模型。模型的主要思想是：在规则网络中对连边进行随机化重连。具体构造方法为：1） 初始状态：规则网络，并且是一个包含 个节点的最近邻耦合环状网络，每个点都与它左右相连的各 /2个节点相连， 为偶数。2） 随机重连：以概率 随机重连网络中的每条边，即保持边的一端连接不变，另端重新随机选择连接一个节点。其中需要保证不能出现重边和自环。WS 小世界网络模型如图 2-2 所示。

都与它左右相连的各 /2个节点相连， 为偶数。2） 随机重连：以概率 随机重连网络中的每条边，即保持边的一端连接不变，另重新随机选择连接一个节点。其中需要保证不能出现重边和自环。WS 小世界网络模型如图 2-2 所示。图 2-2 WS 小世界网络，生成过程采取已有边随机重连。

【参考文献】：
期刊论文
[1]Spatial epidemiology of networked metapopulation: an overview[J]. Lin Wang,Xiang Li.  Chinese Science Bulletin. 2014(28)
[2]复杂网络上的传播动力学及其新进展[J]. 夏承遗,刘忠信,陈增强,袁著祉.  智能系统学报. 2009(05)
[3]复杂网络上的博弈[J]. 吴枝喜,荣智海,王文旭.  力学进展. 2008(06)

硕士论文
[1]社会网络图数据隐私攻击研究[D]. 谢宛洋.东北师范大学 2012



本文编号：3416548