复杂网络结构及信息流控制研究

发布时间：2017-04-19 09:17

  本文关键词：复杂网络结构及信息流控制研究，由笔耕文化传播整理发布。

【摘要】：网络信息流控制是网络信息科学中广泛受到关注的课题。随着科学信息技术的发展,海量的用户和各类软硬件加入各种各样的复杂系统,参与系统的发展和演化,从而构成一个个规模宏大的复杂网络。如何清晰的勾画网络的结构,以及如何利用网络的结构属性来控制信息流动,成为复杂网络研究领域非常热门的话题。对网络结构的研究主要集中体现在网络社团结构划分上,即通过社团划分将网络中的节点分配到一个(或者多个)社团中,从而使网络的拓扑结构清晰,网络中各个节点的功能性质明确。在网络结构清晰的基础之上,可以将网络中的信息流分为两类:一类是具有正能量的信息流,如灾情预警、通知等等;另一类是具有负能量的信息流,如谣言、病毒等等。在网络上,人们总是希望具有正能量的信息流在网络中能尽快今早地被扩散,而具有负能量的信息流能尽快尽早地被控制和扼杀。为此,学术界提出了网络信息流控制理论。控制网络信息流可以从两个方面入手,即控制信息流源头和控制对信息传播起关键作用的节点。其中,控制信息流源头可以帮助人们从源头上管理信息的分发,而控制对信息传播起关键作用的节点可以保证信息按照人们所希望的方向去流动。论文从整体上一共分为两大部分。第一部分研究网络的结构划分方法,结合复杂网络的结构特性提出几种高效的社团结构划分算法,并通过人工合成网络和一些实际网络来验证所提算法的性能。第二部分研究网络信息流控制方法,通过信息源定位研究提出寻找网络信息源头的方法,再通过节点重要性研究提出寻找对信息传播起关键作用节点的方法,达到控制网络信息流向的目的。论文的两部分研究工作相辅相成,其中,网络结构的研究是网络信息流控制研究的基础,而网络信息流控制研究则是网络结构研究的延伸。论文的主要内容如下:研究复杂网络结构特性,提出基于节点相似性的网络社团划分方法。在复杂网络中,社团划分的基本思想是将具有相同或者相似属性的节点分配到同一个群组中,使得群组内部节点之间的联系紧密而不同群组之间节点的联系疏松。基于该思想,常见的社团划分思路就是找到一种节点相似性度量方法,然后根据节点的相似性值来合并节点到同一个群组中,从而达到社团划分的目的。本文结合网络局部和网络全局的指标来计算节点对之间的相似性值,采用相关邻居关系来衡量节点的局部相似性程度,再从局部相似性程度推广到全局相似性程度,提出结合局部指标和全局指标的算法来衡量节点之间的相似性程度,达到基于节点相似性程度来进行社团结构划分的目的。实验结果表明本文所提出的算法可以准确反映复杂网络的拓扑结构信息,具有一定的理论参考价值。研究和改进标签传播算法,提出基于融合聚类的社团划分算法。由于复杂网络具有规模大、结构动态化的特点,所以需要采用轻型化、灵活化和时间复杂度低的算法来划分网络中的社团;标签传播算法具有不需要先验知识、时间复杂度接近线性的优点,正好适用于大规模复杂网络的社团划分。本文采用融合聚类来克服标签传播算法由于随机性带来的划分结果不稳定的问题,提出一种基于融合加权图的社团划分算法。结果表明,将融合聚类引入标签传播算法可以大大提升社团划分结果的稳定性。研究节点序列对社团划分结果的影响,提出基于节点排序的社团划分算法。大量的实证表明,在对标签传播算法的研究中,如果首先考虑位于社团中心的节点,则可以得到相对稳定的社团划分结果;但如果首先考虑位于社团边缘的节点,则更容易得到相对随机的结果。本文先采用混合的节点排序方法对网络节点进行排序,在此基础之上提出一种基于节点排序的社团划分算法。实验结果表明通过节点排序可以解决标签传播算法在社团划分中出现的结果不稳定的问题。研究恒定社团形成的原理,结合融合聚类提出一种恒定社团的寻找方法。恒定社团是动态网络中一种非常特殊的社团结构,它可以用来衡量网络的紧密性程度。恒定社团由一系列节点组成,无论网络的拓扑结构如何动态变化,这些节点都始终会被分配到同一个社团中。本文根据恒定社团的特点,提出基于融合聚类的恒定社团发现算法,对网络结构的研究具有重要意义。研究网络节点的可到达程度,提出基于节点可达性度量的信息源定位算法。在网络信息传播的过程中,信息通过网络中的边向四周扩散。通常情况下,如果节点与其他节点之间的边越多,则由该节点发出的信息就越可能被其他节点接收到,该节点可以到达的程度就越好。本文通过计算节点到其他节点的路径数目以及该路径出现的概率,提出基于节点可达性度量的信息源查找方法。实验结果表明本文方法不仅避免了最大似然估计带来的时间复杂度大的问题,还克服了在易接入性度量中步数估算不准确的问题。研究节点的局部属性、全局属性和网络位置属性对节点重要性程度的影响,提出基于?跳邻居k核信息的节点重要性排序算法。大量实证表明,节点的重要性程度不仅与网络的局部属性有关,还与网络的全局属性以及节点在网络中的位置属性有关。本文结合节点的局部属性、全局属性和位置属性来度量节点的重要性程度,提出基于?跳邻居k核信息的节点重要性排序算法,从而解决网络中节点的重要性排序问题。实验结果表明将网络的局部属性、全局属性和位置属性结合起来,可以准确地反映节点的重要性程度,对网络节点重要性的排序更加准确。本文关于网络结构的研究能清晰的描述复杂网络的构成、功能属性、演化,对信息流控制的研究能进一步加强对网络信息流的引导和溯源,为复杂网络控制研究提供理论和现实依据。
【关键词】：复杂网络 社团划分 信息流控制 信息源定位 节点重要性
【学位授予单位】：电子科技大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：O157.5
【目录】：

• 摘要5-8
• ABSTRACT8-15
• 第一章 绪论15-25
• 1.1 研究意义15-18
• 1.2 研究背景18-23
• 1.2.1 复杂网络研究发展历程18-21
• 1.2.2 复杂网络研究面临的挑战21-23
• 1.3 本文的主要贡献与创新23
• 1.4 本论文的结构安排23-25
• 第二章 复杂网络基础知识25-30
• 2.1 复杂网络的基本特性25
• 2.2 网络模型25-27
• 2.2.1 规则网络模型25-26
• 2.2.2 随机网络模型26
• 2.2.3 小世界网络模型26-27
• 2.2.4 无标度网络模型27
• 2.3 复杂网络结构27-28
• 2.3.1 度27
• 2.3.2 平均路径27-28
• 2.3.3 聚类系数28
• 2.3.4 社团28
• 2.4 网络传播28-29
• 2.4.1 传播源28-29
• 2.4.2 节点的重要性29
• 2.5 本章小结29-30
• 第三章 复杂网络结构研究30-66
• 3.1 引言30
• 3.2 社团的评价指标30-32
• 3.2.1 模块度（Modularity）30-31
• 3.2.2 模块密度（Module Density）31
• 3.2.3 标准化互信息（Normalized Mutual Information）31
• 3.2.4 社团强弱（Strong/Weak Sense Community）31-32
• 3.2.5 聚类系数（Clustering Coefficient）32
• 3.3 常见社团划分算法32-37
• 3.3.1 基于网络图划分的算法32-34
• 3.3.2 基于层次聚类的算法34-35
• 3.3.3 基于划分聚类的算法35-36
• 3.3.4 其他算法36-37
• 3.4 基于节点相似性的社团划分算法37-44
• 3.4.1 节点相似性37-39
• 3.4.2 基于节点相似性度量的社团划分方法39-41
• 3.4.3 算法实验结果41-43
• 3.4.4 结论43-44
• 3.5 基于融合聚类的社团划分算法44-53
• 3.5.1 标签传播算法更新机制45-46
• 3.5.2 融合聚类46-47
• 3.5.3 基于融合聚类的社团划分算法47-49
• 3.5.4 算法实验结果49-53
• 3.5.5 结论53
• 3.6 基于节点排序的社团划分算法53-59
• 3.6.1 引言53-54
• 3.6.2 节点排序54-56
• 3.6.3 基于节点排序的社团划分算法56-57
• 3.6.4 算法实验结果57-59
• 3.6.5 结论59
• 3.7 恒定社团59-65
• 3.7.1 基本概念60-61
• 3.7.2 节点序列61
• 3.7.3 基于融合聚类的恒定社团发现算法61-63
• 3.7.4 算法实验结果63-65
• 3.7.5 结论65
• 3.8 本章小结65-66
• 第四章 信息源定位研究66-76
• 4.1 引言66
• 4.2 信息传播方式66-67
• 4.3 信息传播模型67
• 4.4 信息源定位算法67-71
• 4.4.1 基于节点中心性的信息源检测算法67-68
• 4.4.2 基于最大似然估计的信息源检测算法68-71
• 4.5 基于节点可达性度量的信息源定位算法71-75
• 4.5.1 可达性（Reachability）71
• 4.5.2 基于节点可达性度量的信息源定位算法71-72
• 4.5.3 实验结果72-75
• 4.6 本章小结75-76
• 第五章 节点重要性研究76-88
• 5.1 引言76
• 5.2 常见节点重要性排序算法76-81
• 5.2.1 基于网络局部属性的节点重要性排序算法76-77
• 5.2.2 基于网络全局属性的节点重要性排序算法77-78
• 5.2.3 基于网络位置属性的节点重要性排序算法78-81
• 5.2.4 基于随机游走的节点重要性排序算法81
• 5.3 基于?跳邻居K?核信息的节点重要性排序算法81-87
• 5.3.1 跳数?的确定方法82
• 5.3.2 节点的重要性衡量指标82-83
• 5.3.3 算法步骤83
• 5.3.4 实验结果83-87
• 5.4 本章小结87-88
• 第六章 在实际网络中的应用88-98
• 6.1 实验网络介绍88-89
• 6.2 结果分析89-97
• 6.2.1 网络结构分析89-93
• 6.2.2 定位信息源93-94
• 6.2.3 节点重要性排序94-97
• 6.3 本章小结97-98
• 第七章 总结与展望98-101
• 7.1 全文总结98-99
• 7.2 后续工作展望99-101
• 致谢101-102
• 参考文献102-107
• 攻读博士学位期间取得的成果107-109

【相似文献】

中国期刊全文数据库 前1条

1 王立斌;;基于类型系统的完整性信息流控制[J];华南师范大学学报(自然科学版);2006年03期

中国博士学位论文全文数据库 前1条

1 梁宗文;复杂网络结构及信息流控制研究[D];电子科技大学;2015年

中国硕士学位论文全文数据库 前4条

1 李浩文;企业信息流控制研究[D];华中师范大学;2008年

2 成亚萌;MILS系统中分区间的信息流控制[D];西安电子科技大学;2012年

3 李春源;信息技术外包（ITO）产业信息流控制机制研究[D];黑龙江大学;2008年

4 舒逸;分布式环境下隐私增强技术的研究[D];上海交通大学;2012年

  本文关键词：复杂网络结构及信息流控制研究，，由笔耕文化传播整理发布。

本文编号：315964