基于平均互信息的有权网络社区发现算法研究

发布时间：2023-03-11 23:38

　　随着移动互联网、物联网等技术的迅猛发展,获取复杂网络中的社区结构这一问题逐渐成为研究热点。复杂网络的社区结构有助于了解网络的拓扑结构,为复杂网络的进一步研究提供重要依据,因此获取复杂网络的社区结构具有十分重要的意义。社区发现算法是能够对复杂网络的社区结构进行准确划分的一类算法。目前有关社区发现算法的研究多数是针对无权复杂网络展开的,然而现实生活中有权网络更具有实际应用价值。此外,主流的评价指标模块度存在分辨率限制问题(Resolution Limit),导致部分算法无法发现网络中较小的社区。因此,针对上述存在的一些问题,本文对复杂网络的社区发现算法展开相关研究,主要内容包括以下几个方面:(1)借鉴模块度优化算法的思想,将平均互信息和模块度相结合作为目标函数,提出一种基于平均互信息的有权网络社区发现算法AMI-CDW,该算法同时适用于无权网络和有权网络。然后阐述了算法的核心思想和具体执行过程。最后,将该算法与其他无权网络社区发现算法和有权网络社区发现算法进行对比实验,实验结果表明,该算法无论是在有权网络上还是在无权网络上,都具有较高的社区划分准确度。此外,在部分数据集上的实验结果表明,平...

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 论文研究内容
    1.4 论文组织结构
第二章 信息论和社区发现算法基础
    2.1 引言
    2.2 信息论基础
        2.2.1 自信息与平均自信息
        2.2.2 平均互信息
    2.3 复杂网络的相关概念
        2.3.1 图的基础知识
        2.3.2 复杂网络的特性
    2.4 社区发现算法综述
        2.4.1 复杂网络中社区的定义
        2.4.2 划分结果评价标准
        2.4.3 无权网络社区发现算法
        2.4.4 有权网络社区发现算法
    2.5 基于平均互信息的评价方法
    2.6 本章小结
第三章 基于平均互信息的有权网络社区发现算法
    3.1 引言
    3.2 AMI-CDW算法思想
        3.2.1 社区合并过程
        3.2.2 社区分裂-合并过程
        3.2.3 网络压缩阶段
    3.3 AMI-CDW算法描述
        3.3.1 算法步骤
        3.3.2 算法实现
    3.4 实验结果与分析
        3.4.1 在无权网络上的实验
        3.4.2 在有权网络上的实验
    3.5 本章小结
第四章 算法并行化处理
    4.1 引言
    4.2 Java JUC并发编程框架
        4.2.1 Java内存模型
        4.2.2 Executors线程池
    4.3 算法并行化的设计与实现
        4.3.1 并行化处理
        4.3.2 算法步骤
    4.4 实验结果与分析
        4.4.1 实验环境
        4.4.2 算法运行结果准确性实验
        4.4.3 算法运行效率实验
    4.5 本章小结
总结与展望
参考文献
攻读硕士学位期间取得的研究成果
致谢
附件



本文编号：3760485