基于多尺度中心性算法的复杂网络节点影响力研究

发布时间：2022-08-02 15:39

　　复杂网络中重要节点的影响力度量是网络信息挖掘中的关键问题,传统的重要节点识别方法仅考虑单一因素影响,具有一定的局限性.提出了一种基于位置信息,拓扑结构和边重要性的多尺度中心性（Multi-Scale Centrality （MSC））的度量新方法.方法融合了多样性因子影响,在K-shell分解的基础上根据节点与其位于不同k核层的邻居间的关系构建外连边尺度衡量节点的位置信息,克服了同层节点重要性无法被区分的缺陷.又结合具有结构洞特性的节点相对其邻居节点的信息传播和控制优势,对节点的重要性更进一步地作区分.最后根据边的可替代性衡量边重要性,并依据边对其相连节点的重要性贡献构造多尺度MSC中心性算法模型.经与SIR疾病传播模型在真实网络模拟的结果进行对比,验证了本算法可行性和有效性. 

【文章页数】：9 页

【部分图文】：

图１?Ｋ－ｓｈｅｌｌ分解与结构洞示意图??约束系数的定义如下：??

【参考文献】：
期刊论文
[1]一种基于邻居节点和边的复杂网络节点排序方法——NL中心性算法[J]. 刘书磊,杜家乐,邵增珍.  山东科学. 2019(02)
[2]带接种免疫的网络传染病的有效度模型[J]. 郑国庆,唐清干,祝光湖.  数学的实践与认识. 2015(15)
[3]网络重要节点排序方法综述[J]. 任晓龙,吕琳媛.  科学通报. 2014(13)
[4]基于复杂网络理论的防空节点攻击排序研究[J]. 姜波,刘志成,严建钢.  数学的实践与认识. 2013(24)
[5]复杂网络上的病毒免疫策略研究[J]. 余国锋,刘家保,陆一南,陈中华.  数学的实践与认识. 2012(16)
[6]基于在线社交网络的信息传播模型[J]. 张彦超,刘云,张海峰,程辉,熊菲.  物理学报. 2011(05)



本文编号：3668795