复杂网络中关键节点挖掘与社区发现算法研究

发布时间：2024-12-07 04:12

　　近年来,随着城市智能化建设,复杂网络的应用越来越广泛。随处可见的复杂网络,如交通网络、电网等,为我们的生活提供了极大的便利。复杂网络中的关键节点和社区发现对于信息扩散、疾病控制、险情恢复等具有非常重要的作用。随着网络规模不断扩大,一些传统的关键节点和社区发现算法由于时间复杂度高以及网络全局信息不易获取等原因难以适用于大规模复杂网络。经典的关键节点识别方法虽然能在一定程度上识别关键节点,但也存在着局限性,此外将社区发现问题与聚类分析结合研究还有潜在空间。因此,如何更加精确高效地识别关键节点和发现社区结构仍然是一项重要的研究课题。本文基于复杂网络理论,综合考虑了网络的局部信息与位置属性,提出了节点熵的概念,并在经典算法基础上提出两种改进的关键节点识别方法。鉴于社区发现算法和聚类算法有一定的关联,本文将聚类作为辅助手段用于社区发现,提出了改进的社区发现算法。本文的主要研究内容包括以下三个部分:(1)提出了基于局部属性的结构洞节点检测算法ESH。原始的结构洞约束系数虽然可以找到桥节点,但约束系数相同的节点的重要性无法区分。加入考虑局部信息后,在新系数的计算中同时体现了节点的局部属性和位置属性。该...

【文章页数】：90 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究工作的背景与意义
    1.2 国内外研究历史与现状
        1.2.1 关键节点的研究进展与现状
        1.2.2 社区检测的研究现状及发展趋势
    1.3 论文的章节安排
第二章 复杂网络的理论基础
    2.1 复杂网络基本理论
        2.1.1 复杂网络的概念与表示
        2.1.2 图的相关概念
    2.2 复杂网络的统计特征
        2.2.1 节点的度和度分布
        2.2.2 聚类系数
        2.2.3 平均路径长度
        2.2.4 复杂网络模型
    2.3 关键节点识别算法
        2.3.1 经典算法
        2.3.2 传播模型
    2.4 复杂网络社区发现算法
        2.4.1 KL算法
        2.4.2 GN算法
        2.4.3 FN算法
        2.4.4 Normalized Cut算法
    2.5 本章小结
第三章 基于局部信息的结构洞节点识别算法
    3.1 问题描述
        3.1.1 结构洞理论
        3.1.2 约束系数存在的问题
    3.2 改进的约束系数ESH
        3.2.1 节点熵
        3.2.2 关键节点评价算法ESH
        3.2.3 计算实例
        3.2.4 复杂度分析
    3.3 实验设计与结果分析
        3.3.1 数据集
        3.3.2 检验指标
        3.3.3 小规模网络实验结果分析
        3.3.4 大规模网络仿真结果分析
        3.3.5 排序结果与节点传播能力的相关性分析
    3.4 本章小结
第四章 基于节点熵的改进的K-shell算法
    4.1 算法思路
    4.2 传统改进算法
        4.2.1 混合度分解法
        4.2.2 改进的K-shell索引
        4.2.3 邻居核数中心性
        4.2.4 加权邻域中心性
        4.2.5 混合核度熵
    4.3 基于局部信息的K-shell算法
    4.4 计算实例
    4.5 实验设计与结果分析
        4.5.1 数据集
        4.5.2 检验指标
        4.5.3 仿真结果分析
        4.5.4 算法复杂度分析
    4.6 本章小结
第五章 基于网络表示学习的社区发现算法
    5.1 社区发现和聚类算法
    5.2 基于网络表示学习的社区发现算法
        5.2.1 K-means算法
        5.2.2 网络表示学习
        5.2.3 种子节点选取方案
        5.2.4 社区发现算法K-clustering
        5.2.5 K-clustering算法的时间复杂度
    5.3 实验结果与分析
        5.3.1 社区检测数据集
        5.3.2 评价指标
        5.3.3 实验结果与分析
    5.4 本章小结
第六章 总结与展望
    6.1 全文总结
    6.2 研究展望
致谢
参考文献
攻读硕士学位期间取得的成果



本文编号：4014780