复杂网络中社区发现算法研究与应用
发布时间：2021-10-31 19:24
社区结构是复杂网络中的一个重要特征,它是由网络共享相同属性的节点构成的.社区结构在表示真实系统中扮演着至关重要的角色,挖掘网络中的社区结构对于帮助分析网络的属性功能具有深刻的意义.目前诸多社团挖掘算法已经广泛应用于复杂网络社区发现问题.在有权有向的网络基础上,如何既降低算法的复杂度又提高社区划分结果的准确度,一直是复杂网络中社区发现算法不断发展和研究的方向.首先,针对非重叠社区发现问题,本文提出一种离散量子粒子群优化社区发现方法（NQD-PSO）.将核心节点与邻居的普通节点构成模体,该模体作为量子粒子群算法的初始值;同时,构造模体加权社区聚类函数为算法的适应性函数,并采用压缩因子函数调节全局和局部搜索模型,结合量子粒子群算法,使算法全局收敛.算法采用模体有序表编码方式,并在模拟和真实网络数据集上的实验结果均表明,相比于其他算法,NQD-PSO算法能挖掘出更高质量的社区结构.其次,本文提出了一种局部扩展的遗传优化重叠社区发现方法（LEGAOCD）.借鉴局部扩展的重叠社区发现方法的思想,将少数的核心节点构成模体.同时,构造节点加权社区聚类函数为算法的适应性函数,利用三角形模体来判断社区的稳...
【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究的背景和意义
1.2 国内外研究现状
1.2.1 非重叠社区发现算法
1.2.2 重叠社区发现算法
1.3 论文的创新点与内容
1.4 论文结构
第2章 复杂网络社区结构的相关理论
2.1 复杂网络的基本概念和特征量
2.2 常见的网络数据集
2.2.1 人工网络数据集
2.2.2 真实网络数据集
2.3 社区发现算法的评价指标
2.4 本章小结
第3章 离散量子粒子群优化算法的社区发现
3.1 引言
3.2 量子粒子群优化社区发现方法
3.2.1 适应性函数
3.2.2 粒子群更新原理
3.2.3 量子粒子群更新策略
3.2.4 算法流程与复杂度分析
3.2.5 粒子编码方式
3.3 实验结果与分析
3.3.1 评价标准函数
3.3.2 算法比较结果评价
3.4 本章小结
第4章 局部扩展的遗传优化算法的重叠社区发现
4.1 引言
4.2 重叠社区结构的基本概念
4.3 局部扩展的遗传优化重叠社区发现方法
4.3.1 算法流程与时间复杂度分析
4.3.2 个体的编码与解码
4.3.3 选择
4.3.4 遗传进化操作更新策略
4.4 实验结果与评价
4.4.1 评价标准
4.4.2 算法比较结果评价
4.5 本章小结
第5章 社区发现算法在金融网络模型中的应用
5.1 金融网络模型的构建
5.1.1 金融相似度相关矩阵
5.1.2 随机矩阵的去噪方法
5.1.3 确定有效阈值与建构网络
5.2 实验结果分析
5.2.1 金融网络模型去噪前后拓扑结构分析
5.2.2 非重叠社区发现算法比较结果评价
5.2.3 重叠社区发现算法比较结果评价
5.3 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
攻读学位期间获得与学位相关的科研成果目录
【参考文献】：
期刊论文
[1]短时间尺度用电行为相关性分析网络模型[J]. 陈鹏伟,陶顺,肖湘宁,李璐,张剑. 电力系统自动化. 2017(03)
[2]度相关性对无向网络可控性的影响[J]. 徐明,许传云,曹克非. 物理学报. 2017(02)
[3]基于深度稀疏自动编码器的社区发现算法[J]. 尚敬文,王朝坤,辛欣,应翔. 软件学报. 2017(03)
[4]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)
[5]基于进化聚类的动态网络社团发现[J]. 牛新征,司伟钰,佘堃. 软件学报. 2017(07)
[6]基于蒙特卡罗模拟修正的随机矩阵去噪方法[J]. 骆旗,韩华,龚江涛,王海军. 计算机应用. 2016(09)
[7]一种高效的大规模网络k团挖掘算法[J]. 柴旭清,董永亮. 计算机科学. 2016(05)
[8]一种基于多维遗传算法的重叠社区发现方法[J]. 王琦,温志平. 计算机应用研究. 2016(12)
[9]NCSS:一种快速有效的复杂网络社团划分算法[J]. 韩忠明,谭旭升,陈炎,段大高. 中国科学:信息科学. 2016(04)
[10]基于蒙特卡洛RMT去噪法小股票组合风险优化研究[J]. 李冰娜,惠晓峰,李连江. 管理科学. 2016(02)
博士论文
[1]复杂网络中社区发现算法研究[D]. 周旭.吉林大学 2016
本文编号：3468714
【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究的背景和意义
1.2 国内外研究现状
1.2.1 非重叠社区发现算法
1.2.2 重叠社区发现算法
1.3 论文的创新点与内容
1.4 论文结构
第2章 复杂网络社区结构的相关理论
2.1 复杂网络的基本概念和特征量
2.2 常见的网络数据集
2.2.1 人工网络数据集
2.2.2 真实网络数据集
2.3 社区发现算法的评价指标
2.4 本章小结
第3章 离散量子粒子群优化算法的社区发现
3.1 引言
3.2 量子粒子群优化社区发现方法
3.2.1 适应性函数
3.2.2 粒子群更新原理
3.2.3 量子粒子群更新策略
3.2.4 算法流程与复杂度分析
3.2.5 粒子编码方式
3.3 实验结果与分析
3.3.1 评价标准函数
3.3.2 算法比较结果评价
3.4 本章小结
第4章 局部扩展的遗传优化算法的重叠社区发现
4.1 引言
4.2 重叠社区结构的基本概念
4.3 局部扩展的遗传优化重叠社区发现方法
4.3.1 算法流程与时间复杂度分析
4.3.2 个体的编码与解码
4.3.3 选择
4.3.4 遗传进化操作更新策略
4.4 实验结果与评价
4.4.1 评价标准
4.4.2 算法比较结果评价
4.5 本章小结
第5章 社区发现算法在金融网络模型中的应用
5.1 金融网络模型的构建
5.1.1 金融相似度相关矩阵
5.1.2 随机矩阵的去噪方法
5.1.3 确定有效阈值与建构网络
5.2 实验结果分析
5.2.1 金融网络模型去噪前后拓扑结构分析
5.2.2 非重叠社区发现算法比较结果评价
5.2.3 重叠社区发现算法比较结果评价
5.3 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
攻读学位期间获得与学位相关的科研成果目录
【参考文献】：
期刊论文
[1]短时间尺度用电行为相关性分析网络模型[J]. 陈鹏伟,陶顺,肖湘宁,李璐,张剑. 电力系统自动化. 2017(03)
[2]度相关性对无向网络可控性的影响[J]. 徐明,许传云,曹克非. 物理学报. 2017(02)
[3]基于深度稀疏自动编码器的社区发现算法[J]. 尚敬文,王朝坤,辛欣,应翔. 软件学报. 2017(03)
[4]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)
[5]基于进化聚类的动态网络社团发现[J]. 牛新征,司伟钰,佘堃. 软件学报. 2017(07)
[6]基于蒙特卡罗模拟修正的随机矩阵去噪方法[J]. 骆旗,韩华,龚江涛,王海军. 计算机应用. 2016(09)
[7]一种高效的大规模网络k团挖掘算法[J]. 柴旭清,董永亮. 计算机科学. 2016(05)
[8]一种基于多维遗传算法的重叠社区发现方法[J]. 王琦,温志平. 计算机应用研究. 2016(12)
[9]NCSS:一种快速有效的复杂网络社团划分算法[J]. 韩忠明,谭旭升,陈炎,段大高. 中国科学:信息科学. 2016(04)
[10]基于蒙特卡洛RMT去噪法小股票组合风险优化研究[J]. 李冰娜,惠晓峰,李连江. 管理科学. 2016(02)
博士论文
[1]复杂网络中社区发现算法研究[D]. 周旭.吉林大学 2016
本文编号：3468714
本文链接：https://www.wllwen.com/kejilunwen/yysx/3468714.html
