一种面向动态网络聚类的节点相似性度量方法

发布时间：2017-07-28 14:09

  本文关键词：一种面向动态网络聚类的节点相似性度量方法

  更多相关文章： 动态网络 聚类 节点相似性 历史信息

【摘要】：随着复杂网络的迅速发展和不断进步,动态聚类分析因其广泛应用而成为复杂网络重要研究方向之一。在众多动态聚类算法中,FacetNet方法以其较为优越的性能成为非常流行的一种算法,本文的工作就是在此基础上进行的。Facet Net算法是以布尔离散值作为节点相似性度量,然后采用矩阵分解的方式进行聚类。但是这种节点相似性度量方式有以下不足:一是将节点间关系同一而论,不能区别其重要性;二是当网络出现扰动时,不能摒除干扰,准确刻画节点间的关系;三是并未考虑相邻时刻网络连边变化带来的影响。基于上述三点,本文对FacetNet算法的节点相似性进行了改进。首先,用Jaccard系数重新衡量了网络节点间的连接强度,将布尔离散值转换为连续值,这样做不仅能具体的衡量连边的重要性,还能排除干扰,更加准确的度量节点间的连接关系。其次,受进化聚类框架下时序开销嵌入技术所展现的动态思想所启发,本文利用相邻时刻网络连边变化率建立线性方程,并将其作为平衡因子,融合历史信息和当前社团的拓扑特征重构网络节点关系,解决了网络时序性带来的问题,一定程度上改善了算法性能。最后在上述结果的基础上进行聚类。在人工网络和真实网络上对改进相似性后的算法进行了验证,包括三个不同结构的动态网络和一个足球俱乐部赛制安排网络,并通过四个聚类指标:准确度、召回率、归一化互信息和模块度函数进行评价。人工实验结果表明,网络结构越复杂,改进后的算法表现越突出,在四个指标上均有所提升:准确度平均提升11%,召回率平均提升14.3%,归一化互信息平均提升14%,模块度函数值平均提升4%。在真实网络中,各个时刻的模块度值都比较高,说明发掘的社团良好的继承了“内紧外松”的结构标准。另外,本文从相邻时刻网络的聚类结果进行分析比较,改进后的算法能更准确的决定节点归属,更正一些错误结果,并发现一些个数较少,结构较为隐蔽的社团,同时能根据历史信息为孤立节点寻找更为合适的社团。本文方法在准确度,召回率和模块度方面均有所改善,能够准确识别社团结构,适用于结构比较复杂的网络,特别是在社团间的连边较多的情况下,能有效的检测出有特定意义的社团结构,这对FacetNet算法是有效的提高和补充。
【关键词】：动态网络 聚类 节点相似性 历史信息
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O157.5;TP311.13
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 符号对照表10-11
• 缩略语对照表11-14
• 第一章 绪论14-18
• 1.1 研究背景及意义14-16
• 1.2 研究现状16-17
• 1.3 本文主要工作和论文结构17-18
• 第二章 动态聚类分析的相关概念18-28
• 2.1 动态复杂网络的基本概念18-19
• 2.2 聚类的基本定义19
• 2.3 聚类评价19-23
• 2.3.1 算法评估19-20
• 2.3.2 质量评价20-23
• 2.4 动态聚类的一般框架23-24
• 2.5 节点相似性定义方法24-27
• 2.5.1 静态网络24-26
• 2.5.2 动态网络26-27
• 2.6 本章小结27-28
• 第三章 动态聚类及实验结果分析28-44
• 3.1 问题描述28
• 3.2 新型节点相似性定义方法28-32
• 3.3 基于新型节点相似性度量的FacetNet算法描述32-34
• 3.4 实验数据集34
• 3.5 实验结果和分析34-42
• 3.6 本章小结42-44
• 第四章 总结与展望44-46
• 4.1 总结44
• 4.2 展望44-46
• 参考文献46-50
• 致谢50-52
• 作者简介52-53

【相似文献】

中国期刊全文数据库 前10条

1 谢明霞;王家耀;郭建忠;陈科;;不等距划分的高维相似性度量方法研究[J];武汉大学学报(信息科学版);2012年07期

2 贺玲;吴玲达;蔡益朝;;高维空间中数据的相似性度量[J];数学的实践与认识;2006年09期

3 隋正伟;邬阳;刘瑜;;基于签到数据的用户空间出行相似性度量方法研究[J];地理信息世界;2013年03期

4 李海林;郭崇慧;;基于多维形态特征表示的时间序列相似性度量[J];系统工程理论与实践;2013年04期

5 杨艳春;孟祥武;;基于关键词的对等网络节点群相似性度量模型研究[J];武汉大学学报(理学版);2011年06期

6 李永宁;一种基于纹理的图象相似性度量模型(英文)[J];四川大学学报(自然科学版);2003年02期

7 胡茂海;;基于相关输出相似性度量的目标识别算法[J];中国激光;2012年04期

8 刘丹;卫金茂;张杰;;GO术语间语义相似性度量方法[J];东北师大学报(自然科学版);2010年01期

9 杜培军;唐宏;方涛;;高光谱遥感光谱相似性度量算法与若干新方法研究[J];武汉大学学报(信息科学版);2006年02期

10 郭铭铭;窦建华;杨彬;;基于形式化概念分析和概念相似性度量的程序重组方法(英文)[J];南京大学学报(自然科学版);2011年05期

中国重要会议论文全文数据库 前10条

1 刘喜平;万常选;;一种二维的树型文档结构相似性度量[A];第二十五届中国数据库学术会议论文集（二）[C];2008年

2 刘俊义;王润生;;仿射不变的多边形相似性度量[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年

3 杨艳春;孟祥武;;P2P网络服务环境中的节点相似性度量研究[A];CCF NCSC 2011——第二届中国计算机学会服务计算学术会议论文集[C];2011年

4 李彬彬;罗乐;;基于信源学的光谱相似性度量方法的比较研究[A];2009全国计算机网络与通信学术会议论文集[C];2009年

5 罗阳;赵伟;;相似性度量研究及最优相似系数[A];中国气象学会2008年年会天气预报准确率与公共气象服务分会场论文集[C];2008年

6 周晓蕾;唐明浩;於思俊;;服装款式系统中的相似性度量算法研究[A];2008年中国高校通信类院系学术研讨会论文集（下册）[C];2009年

7 刘宝生;闫莉萍;周东华;;图像匹配中相似性度量[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

8 李新光;郑君君;祝一薇;刘建军;夏胜平;谭立球;;基于属性图模型的图像相似性度量[A];第十五届全国图象图形学学术会议论文集[C];2010年

9 沈君;马生全;;两种新的相似性度量在模糊推理中的应用[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年

10 廉鑫;林伟坚;张海威;袁晓洁;;基于双向路径约束模型的XML文档结构相似性度量[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年

中国博士学位论文全文数据库 前7条

1 赵秀丽;基于有趣地点压缩的移动点对象时空轨迹聚类研究[D];北京交通大学;2016年

2 朱进;基于运动特征的轨迹相似性度量研究[D];南京师范大学;2015年

3 白雪;聚类分析中的相似性度量及其应用研究[D];北京交通大学;2012年

4 张明;基于内容的图象相似性度量技术研究及其在水利中的应用[D];河海大学;2003年

5 邱明;语义相似性度量及其在设计管理系统中的应用[D];浙江大学;2006年

6 周瑜;视频跟踪中的目标建模及相似性度量研究[D];华中科技大学;2014年

7 戚文静;基于范例的图案创作关键技术研究[D];山东大学;2012年

中国硕士学位论文全文数据库 前10条

1 曹莉莉;基于GC-MS的高速谱库搜索算法研究[D];安徽大学;2015年

2 蒋欣;基于粒子滤波的故障预报算法研究[D];福建师范大学;2015年

3 张豪;符号序列相似性度量及聚类新算法[D];福建师范大学;2015年

4 周汉海;基于少量选点的社团检测算法研究[D];兰州大学;2015年

5 张考;面向电子商务的虚假评论检测的关键技术研究[D];解放军信息工程大学;2015年

6 张静转;基于集对相似性度量的社区发现算法研究[D];燕山大学;2016年

7 张婷;基于近邻协同过滤算法中相似性度量的研究[D];西南交通大学;2016年

8 陈龙飞;心电时间序列的表示和相似性度量方法的研究[D];哈尔滨工业大学;2016年

9 张娜;相似性度量及其在图像非局部滤波中的应用研究[D];昆明理工大学;2016年

10 聂学成;面向文本标识的柔性语义相似性度量方法[D];天津大学;2014年

，

本文编号：584411