基于高斯混合模型的复杂网络社团寻找

发布时间：2017-08-29 06:22

  本文关键词：基于高斯混合模型的复杂网络社团寻找

  更多相关文章： 复杂网络 社团提取 高斯混合模型 EM算法 主成分分析

【摘要】：复杂网络是复杂系统的基本结构,也是研究复杂系统的工具。其具有很强大的描述能力,被人们广泛应用于各个学科领域的复杂系统建模中。近年来,研究者们发现不同学科领域的复杂网络都存在着社团结构特征,并且寻找到这些社团结构,有助于分析复杂网络的各种特性。随着新的应用领域被不断拓展,复杂网络的拓扑结构和性质更为复杂,这对社团寻找算法的效率和准确度提出了更高的要求。虽然现有的社团寻找算法很多,但是能够有效刻画实际网络特征,并将网络中的社团结构快速准确寻找出来的算法并不多。 本文提出了一种基于主成分分析的高斯混合模型社团寻找算法。在该模型中,假设同一个网络中的不同社团结构是由不同的高斯模型生成的,即不同社团其生成机理也不一样,这样的假设更加符合实际的社团生成原理。对于模型中的参数本文利用期望最大化算法(Expectation Maximization Algorithm,EM算法),进行求解。由于复杂网络规模庞大,降低算法时间复杂度是研究的重点,所以在算法进行之前,本文特别地引入了主成分分析,对邻接矩阵对应的列向量进行降维处理,以降低后续的计算时间。 通过对一系列经典的实际网络例子进行实验,可发现和现有的社团寻找方法相比,本文的模型更加灵活,可以用来处理不同类型的网络,如加权网络,有向网络、重叠网络等,同时,本文算法得到的结果更加精准,符合网络的实际划分。利用主成分分析对网络的邻接矩阵降维,如果主成分贡献率达到百分之九十以上,那么对于最后的计算结果几乎没有什么影响。这使得本文的算法能够用于处理大型的复杂网络,例如基因网络,互联网络,社交网络等。
【关键词】：复杂网络 社团提取 高斯混合模型 EM算法 主成分分析
【学位授予单位】：云南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O157.5
【目录】：

• 摘要3-4
• Abstract4-6
• 目录6-8
• 第一章 绪论8-12
• 1.1 研究背景及意义8-9
• 1.1.1 研究背景8
• 1.1.2 研究意义8-9
• 1.2 国内外研究现状9-10
• 1.3 研究思路及论文结构10-12
• 1.3.1 本文的主要研究内容10-11
• 1.3.2 论文结构11-12
• 第二章 复杂网络及社团寻找算法概述12-21
• 2.1 复杂网络基本理论12-13
• 2.1.1 复杂网络发展历史12-13
• 2.1.2 复杂网络的表示13
• 2.2 社团结构的基本理论13-17
• 2.2.1 社团结构定义13-15
• 2.2.2 社团结构的定量描述——模块度函数15-17
• 2.3 复杂网络社团寻找的常用算法17-21
• 2.3.1 优化算法17
• 2.3.2 遗传算法17-19
• 2.3.3 基于统计模型的推理算法19-21
• 第三章 基于高斯混合模型的复杂网络划分算法21-36
• 3.1 高斯混合模型21-23
• 3.2 期望最大化算法23-32
• 3.2.1 期望最大化算法推导23-25
• 3.2.2 期望最大化算法收敛性25-29
• 3.2.3 高斯混合模型中的期望最大化算法29-32
• 3.3 主成分分析32-33
• 3.4 基于主成分分析的混合高斯模型33-36
• 第四章 复杂网络社团结构划分算法实验36-49
• 4.1 常用的实际网络实验结果36-42
• 4.1.1 空手道俱乐部网络36-38
• 4.1.2 海豚网络38-40
• 4.1.3 足球队网络40-41
• 4.1.4 政治书网络41-42
• 4.2 人工合成网络42-49
• 第五章 总结与展望49-51
• 5.1 本文工作总结49
• 5.2 下一步工作展望49-51
• 参考文献51-54
• 致谢54

【参考文献】

中国期刊全文数据库 前3条

1 李晓佳;张鹏;狄增如;樊瑛;;复杂网络中的社团结构[J];复杂系统与复杂性科学;2008年03期

2 柴变芳;贾彩燕;于剑;;基于统计推理的社区发现模型综述[J];计算机科学;2012年08期

3 杨博;刘大有;金弟;马海宾;;复杂网络聚类方法[J];软件学报;2009年01期

，

本文编号：751768