基于局部特征扩散的复杂网络社区检测研究

发布时间：2017-06-12 04:06

  本文关键词：基于局部特征扩散的复杂网络社区检测研究，，由笔耕文化传播整理发布。

【摘要】：随着信息技术的高速发展,复杂网络分析已经成为机器学习和数据挖掘研究领域的热点之一。研究表明,网络的社区结构能揭示网络隐藏的某些功能属性、规律特点,网络社区结构检测对挖掘网络结构信息、了解网络结构的特点具有重要的意义。在网络社区结构检测的研究中,如何刻画网络的特征矩阵,对社区检测有重要的影响。当前大多研究主要从局部特征和全局特征两个方面展开,用对称特征对无向图网络进行研究。本文围绕融合局部特征和全局特征的思想,对网络特征矩阵赋予新的构造方法,其主要研究内容如下:(1)提出一种基于局部特征扩散的特征矩阵构造方法。该方法首先定义新的节点相似度;然后通过链路加权完善局部特征;最后通过扩散核构造网络的特征矩阵。新的特征矩阵融合了网络的局部和全局特征,更全面地表达了网络的拓扑信息。(2)提出一种相对稳定的标签传播算法。该算法基于局部特征扩散所构造的特征矩阵,首先用链路权值优化网络局部结构;然后用新的特征矩阵构造标签贡献矩阵;最后在标签首次更新阶段,对核心节点优先更新。算法不仅在准确性方面得到保证,而且稳定性明显提升。(3)将局部特征扩散的思想推广到非负矩阵分解模型,提出两种新的特征矩阵分解模型。首先将新定义的对称特征矩阵应用到对称非负矩阵分解模型。然后针对对称的相似度度量方法对网络拓扑信息描述的不足,提出一种非对称特征矩阵构造方法,并结合非负矩阵分解模型用于社区检测。该方法首先对节点局部相似度进行非对称地度量,将无向图调整为有向加权图,然后通过链路加权增强局部特征,最后将所得到的局部特征结合扩散核构造网络的非对称特征矩阵。实验表明,本文提出的对称特征、非对称特征能有效提升复杂网络社区检测效果,在小规模社区识别分辨率方面拥有独特的优势。尤其是非对称的特征,能更好地度量节点之间的相似度信息,对社区检测性能的提升更加明显。
【关键词】：社区检测 局部特征扩散 链路加权 标签传播 非负矩阵分解
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：O157.5
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 绪论11-17
• 1.1 研究背景和意义11-12
• 1.2 国内外研究现状12-14
• 1.2.1 概述12-13
• 1.2.2 图分割算法13
• 1.2.3 层次聚类算法13-14
• 1.2.4 基于新模型的社区检测算法14
• 1.3 论文主要工作和研究内容14-15
• 1.4 本文组织结构15-17
• 第二章 复杂网络基础理论17-27
• 2.1 复杂网络表示17
• 2.2 社区结构的定义17-18
• 2.3 复杂网络结构特征18-20
• 2.3.1 节点局部特征18-19
• 2.3.2 网络特征矩阵19-20
• 2.4 社区结构评价指标20-22
• 2.4.1 模块度20-21
• 2.4.2 模块密度21
• 2.4.3 标准化互信息21-22
• 2.5 主要的社区发现算法22-26
• 2.5.1 基于Laplace谱平分法22-23
• 2.5.2 GN算法23
• 2.5.3 FN算法23-24
• 2.5.4 标签传播算法24-25
• 2.5.5 CPM算法25
• 2.5.6 非负矩阵分解算法25-26
• 2.6 本章小结26-27
• 第三章 基于局部特征扩散的标签传播算法27-40
• 3.1 基于局部特征扩散的网络特征矩阵27-31
• 3.1.1 相邻节点相似度度量27-28
• 3.1.2 链路加权28-29
• 3.1.3 局部特征扩散29-30
• 3.1.4 基于局部特征扩散的特征矩阵构造算法30-31
• 3.2 基于扩散特征的标签传播算法31-34
• 3.2.1 标签传播算法相关理论31-32
• 3.2.2 基于扩散特征的标签传播算法32-34
• 3.3 实验结果和分析34-39
• 3.3.1 LFR标准测试网络35-38
• 3.3.2 真实网络数据集38-39
• 3.4 本章小结39-40
• 第四章 基于非对称特征的非负矩阵分解算法40-58
• 4.1 对称非负矩阵分解模型40-41
• 4.2 非对称特征矩阵构造方法41-44
• 4.2.1 相邻节点相似度度量41-42
• 4.2.2 链路加权42-43
• 4.2.3 局部特征扩散43-44
• 4.2.4 非对称特征矩阵构造算法44
• 4.3 基于非对称特征的非负矩阵分解算法44-49
• 4.3.1 模型原理44-45
• 4.3.2 交替单步梯度下降求解算法45-47
• 4.3.3 修正的投影梯度下降求解算法47-49
• 4.4 实验结果和分析49-57
• 4.4.1 LFR标准测试网络50-54
• 4.4.2 真实网络数据集54-57
• 4.5 本章小结57-58
• 总结与展望58-60
• 参考文献60-64
• 攻读硕士学位期间取得的研究成果64-65
• 致谢65-66
• 附件66

【相似文献】

中国期刊全文数据库 前10条

1 方洪锦;;体上特征矩阵的简化形式与法式存在定理[J];扬州师院学报(自然科学版);1982年02期

2 方洪锦;体上特征矩阵的简化形式与法式存在定理[J];数学研究与评论;1984年03期

3 赵梁红;关于模糊向量的逆特征矩阵[J];浙江工业大学学报;1997年04期

4 李大林;黄雪燕;;广义特征矩阵的唯一性(英文)[J];广西科学;2008年03期

5 裴惠生;关于有限集的拓扑种类问题[J];河南大学学报(自然科学版);1987年04期

6 李大林;用广义特征矩阵寻找若当链的方法[J];唐山师范学院学报;2004年02期

7 谢邦杰;体上特征矩阵的法式与弱法式存在定理[J];数学学报;1980年03期

8 张盛,纪明,李伟;特征矩阵方幂的秩的一个性质[J];渤海大学学报(自然科学版);2004年04期

9 李安志;杨蜀颖;杨本立;;特征矩阵的右下三角等价形式[J];四川师范大学学报(自然科学版);2007年06期

10 姜久亮;C—代数的特征矩阵的性质[J];重庆师专学报;1995年04期

中国重要会议论文全文数据库 前2条

1 王永娟;韩文报;曾本胜;李世取;;用特征矩阵的方法构造Bent函数[A];数学·力学·物理学·高新技术研究进展——2006（11）卷——中国数学力学物理学高新技术交叉研究会第11届学术研讨会论文集[C];2006年

2 马光彦;王伟策;孙峥;蒋新胜;;基于特征矩阵联合近似对角化的多声源信号分离[A];第七届全国信息获取与处理学术会议论文集[C];2009年

中国博士学位论文全文数据库 前1条

1 张丁文;基于特征矩阵的空间场景相似性度量模型与约束指标松弛化研究[D];中国地质大学;2016年

中国硕士学位论文全文数据库 前3条

1 徐建洲;基于局部特征扩散的复杂网络社区检测研究[D];华南理工大学;2016年

2 李大林;广义特征矩阵及其应用[D];吉林大学;2006年

3 岳英强;具有两个特征矩阵和变系数的Beltrami方程组[D];河北大学;2010年

  本文关键词：基于局部特征扩散的复杂网络社区检测研究，由笔耕文化传播整理发布。

本文编号：443185