基于不等概率叠加随机游走关键点识别

发布时间：2023-02-19 09:23

　　关键节点识别是网络科学的重要研究内容,在医学、社会学、网络安全、电力交通、政治与经济学领域有重要研究意义。当前流行的关键点识别算法的原理是通过考虑局部范围和全局范围网络节点的特性衡量节点中心性,结合节点自身及邻居节点贡献进行关键节点识别。存在识别有效性低和时间复杂度高的问题,不能在大规模网络中扩展。针对等概率叠加随机游走关键点识别方法没有考虑随机游走倾向性问题,采用节点相似性构造转移概率矩阵的方法,开展了不等概率叠加随机游走进行关键点识别的研究。通过在无向网络中与度中心性、介数中心性、接近中心性、等概率叠加随机游走评估方法间进行比较,各中心性算法与SIR模型的相关性比较的实验,证明基于不等概率叠加随机游走能以较高的精度进行网络中关键点识别,并且优于等概率叠加随机游走方法。

【文章页数】：7 页

【文章目录】：
0 引 言
1 相关工作
2 不等概率叠加随机方法
    2.1 构建不等概率随机游走转移矩阵
    2.2 基于叠加效应的局部随机游走
    2.3 基于相似和的叠加随机游走
3 实验结果与分析
    3.1 SIR传播模型
    3.2 Kendall tau距离
    3.3 仿真实验
4 结束语



本文编号：3745958