基于复杂网络的社区检测研究

论文摘要

多层复杂网络是在大数据时代表示具有特殊重要性的高维异构系统的合适模型。由于层间连接的存在,多层网络中的社区结构与由相同节点集组成的一组独立的单层网络相比发生了巨大变化。出于这个原因,多层网络中的社区检测作为一种无监督的学习任务,已经成为复杂系统中数据挖掘和分析的一个有趣的研究课题。同时,时间网络挖掘任务通常是难题,这是因为不仅需要面对大量的数据,而且这些数据都具有非固定的性质,通常情况下,它们的组织形式和特征都在随着时间变化而变化。本文的主要研究工作阐述如下:(1)提出了一个新型的多层网络社区检测算法。该算法是粒子竞争算法的改进版本。原始算法的设计是用于单层未加权和无向网络中的社区检测。本文中介绍的改进版本可以反过来应用于多层,加权和有向的网络。此外,还提出了一种局部测量方法,以确定对应于正确检测到的社区数量的最佳粒子数。计算机模拟结果显示所提出的技术相对于现有技术有更好的性能。(2)提出了一种遵循简化方法的时间网络模式和模式变换表示的方法。主要思想是将给定时间网络的每个稳定(持久)状态建模为新静态网络中的社区,并将其建模为:时间状态的变化表现成从一个社区到另一个社区的过渡。为了此目的,通过对原始时间网络进行采样和重新排列来构建称为目标网络的简化静态单层网络。关于人工模拟和现实世界网络的计算机试验结果符合预期的目的。

论文目录

• 摘要
• abstract
• 1.绪论
•   1.1 研究背景及意义
•     1.1.1 复杂网络研究背景
•     1.1.2 复杂网络研究意义
•   1.2 研究现状
•     1.2.1 复杂网络社区检测研究现状
•     1.2.2 时间网络研究现状
•   1.3 本文研究的主要内容及论文安排
• 2.复杂网络及社区检测的基本概念和算法
•   2.1 复杂网络的基本概念
•     2.1.1 小世界网络
•     2.1.2 无尺度网络
•     2.1.3 GN网络
•   2.2 复杂网络中的重要属性
•     2.2.1 Katz中心度
•     2.2.2 Betweenness中心性
•     2.2.3 传播性（Communicability）
•   2.3 多层网络的定义与类型
•     2.3.1 多层网络的基本定义
•     2.3.2 多层网络的类型
•   2.4 社区结构的基本概念
•   2.5 社区检测算法
•     2.5.1 经典的社区检测算法
•     2.5.2 粒子竞争社区检测算法
• 3.多层网络社区检测算法设计
•   3.1 引言
•   3.2 粒子竞争算法的改进
•   3.3 多层网络社区检测算法设计
•   3.4 实验与结论
•     3.4.1 数据集选取
•     3.4.2 算法的精确率分析
•     3.4.3 算法的召回率分析
•     3.4.4 最佳粒子数目的确定
•   3.5 本章小结
• 4.基于社区建模的时间网络模式识别方法研究
•   4.1 引言
•   4.2 构建静态简化网络
•     4.2.1 方法描述及参数说明
•     4.2.2 建模步骤
•     4.2.3 预期目的
•   4.3 实验结果分析
•     4.3.1 突变型时间网络模式识别
•     4.3.2 周期型时间网络模式识别
•     4.3.3 渐变型时间网络模式识别
•     4.3.4 现实世界中的数据集实验结果
•   4.4 本章小结
• 5.总结与展望
•   5.1 本文总结
•   5.2 展望
• 参考文献
• 附录：攻读学位期间发表的学术论文及参与项目
• 致谢

文章来源

类型: 硕士论文

作者: 高旭博

导师: 郑秋生,赵亮,张俊宝

关键词: 复杂网络,多层网络,时间网络,社区检测,粒子竞争

来源: 中原工学院

年度: 2019

分类: 基础科学

专业: 数学

单位: 中原工学院

分类号: O157.5

总页数: 56

文件大小: 4069K

下载量: 69