加权复杂网络中强社团结构发现算法研究

发布时间：2017-09-30 03:11

  本文关键词：加权复杂网络中强社团结构发现算法研究

  更多相关文章： 加权网络 社团结构 重叠社团 人工网络模型

【摘要】：复杂性科学是系统科学发展的新阶段,而复杂网络是研究复杂性科学中复杂系统的一个重要研究形式。复杂网络是具有自组织、自相似、吸引子、小世界和无标度等性质中部分或全部性质的网络。现有研究表明复杂网络中社团(结构)普遍存在,对社团的研究有助于揭示复杂网络的整体特性和发掘网络局部特征。现有文献中针对无权网络中社团结构的研究较多,且这些研究己取得一些实质性进展；但针对加权网络中社团结构的研究很少,且已有研究不够全面深入。因此本文在总结分析现有社团结构研究的基础上,对加权网络中的社团结构进行研究,研究包括加权网络中社团结构的定义、已知社团结构的加权人工网络建模方法和加权网络中社团结构发现算法。通过大量的理论分析和实验验证,本文得出以下研究结果：1.提出一种改进的加权网络强／弱社团结构定义该定义综合考虑了节点度和边权,使得满足该定义的社团内节点,节点社团内连边相比社团间连边多且连边边权相对大,这与现实复杂网络中社团情况相符。实验通过对经典现实网络的统计分析论证了该定义的合理性。2.提出已知定义社团的加权无标度人工网络(CWBA模型)建模方法该建模方法以少量节点的无权网络为初始网络,首先生成节点预先归属的无权无标度网络,然后生成节点预先归属的加权无标度网络,最后对预先归属的节点连边进行调整进而生成已知定义社团的加权无标度人工网络模型(CWBA模型)。实验运用CWBA模型建模方法生成了两个实例,通过对两个实例的分析,验证了该建模方法的有效性。3.提出加权网络社团结构发现算法(NPEND算法)该算法生成和利用先验信息集,提出边社团从属度和节点社团贡献度两个指标,在改进传统凝聚算法过程的基础上,最终使得算法结果符合实际复杂网络社团情况。实验通过运用NPEND算法对现实网络和人工网络进行社团发现,实验结果验证了该算法的有效性；通过与其它加权网络社团发现算法在相同数据集上发现结果的对比分析,验证了该算法的优越性。
【关键词】：加权网络 社团结构 重叠社团 人工网络模型
【学位授予单位】：辽宁大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：O157.5
【目录】：

• 摘要4-5
• ABSTRACT5-12
• 引言12-13
• 第1章 绪论13-17
• 1.1 研究背景13-14
• 1.2 研究意义14-15
• 1.3 本文主要工作15-16
• 1.4 本文组织结构16-17
• 第2章 已有社团结构研究概述17-32
• 2.1 社团结构研究相关概念17-19
• 2.2 已有社团结构定义19-21
• 2.3 已知社团结构的人工网络模型21-26
• 2.3.1 四种基本网络模型21-22
• 2.3.2 GN模型22-23
• 2.3.3 LFR模型23-25
• 2.3.4 BBV模型25
• 2.3.5 CWS模型25-26
• 2.4 已有社团结构发现算法26-31
• 2.4.1 图形分割算法26-28
• 2.4.2 分裂/凝聚算法28-29
• 2.4.3 基于局部信息算法29
• 2.4.4 基于网络动力学算法29-30
• 2.4.5 加权网络社团结构发现算法30-31
• 2.5 本章小结31-32
• 第3章 改进的加权网络社团结构定义32-39
• 3.1 社团定义的重要性32-33
• 3.2 本文加权网络中社团定义33-34
• 3.3 本文定义合理性验证34-38
• 3.3.1 理论分析34
• 3.3.2 实验统计分析34-38
• 3.4 本章小结38-39
• 第4章 已知定义社团的人工网络建模研究39-53
• 4.1 CWBA模型建模基本思想39-41
• 4.2 生成节点预先归属的加权无标度网络41-43
• 4.3 预先归属节点连边调整过程43-49
• 4.3.1 参数设定43-44
• 4.3.2 调整规则44
• 4.3.3 具体调整过程44-48
• 4.3.4 连边调整过程有效性分析48-49
• 4.4 CWBA模型实验分析49-52
• 4.4.1 实验具体参数设定49
• 4.4.2 实验结果49-50
• 4.4.3 实验结果分析50-52
• 4.5 本章小结52-53
• 第5章 加权网络社团结构发现算法研究53-67
• 5.1 NPEND算法基本思想53-58
• 5.1.1 现有算法存在的不足53-56
• 5.1.2 现有算法改进思路56-58
• 5.2 NPEND算法具体过程58-60
• 5.3 NPEND算法结果评价60-62
• 5.3.1 现有社团划分结果评价方法60-61
• 5.3.2 本文社团划分结果评价方法61-62
• 5.4 NPEND算法实验分析62-66
• 5.4.1 NPEND算法有效性验证62-64
• 5.4.2 NPEND算法优越性验证64-66
• 5.5 本章小结66-67
• 第6章 总结与展望67-69
• 6.1 本文的主要工作和创新点67-68
• 6.2 本文的工作展望68-69
• 致谢69-70
• 参考文献70-73
• 攻读学位期间发表的学术论文以及参加科研情况73

【参考文献】

中国期刊全文数据库 前5条

1 袁超;柴毅;;复杂网络的局部社团结构挖掘算法[J];自动化学报;2014年05期

2 吕天阳;谢文艳;郑纬民;朴秀峰;;加权复杂网络社团的评价指标及其发现算法分析[J];物理学报;2012年21期

3 汪小帆;刘亚冰;;复杂网络中的社团结构算法综述[J];电子科技大学学报;2009年05期

4 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

5 解(亻刍);汪小帆;;复杂网络中的社团结构分析算法研究综述[J];复杂系统与复杂性科学;2005年03期

中国硕士学位论文全文数据库 前1条

1 王娟;一种加权网络社团结构划分算法[D];武汉理工大学;2010年

，

本文编号：945791