复杂网络中社区发现算法研究

复杂网络中社区发现算法研究

论文摘要

复杂网络的研究对于理解个体在系统中的行为有着很大的帮助,能够揭示系统中隐含但很少被人们关注的现象。近年来,社区结构作为复杂网络研究的一个重要方面,得到了人们的广泛关注。结合目前的研究现状以及存在的问题,本文主要创新性工作及研究成果概括为以下四个方面:1)提出了节点相关强度的社区检测算法。根据节点在网络中的邻居数以及与邻居的连边的权重,通过概率分布函数确定节点以及节点对被选择的期望,计算出相应的节点对的相关性,通过将相关性较大的节点对的两个节点划分到相同的社区中,以便达到划分社区的目的。实验结果表明,与传统的算法相比,本文算法在给出较高模块度的基础上,能够确保社区的数量与实际相近。2)提出有向网络转换为无向网络的转换算法。现实世界中的个体间的交互存在着善意或者恶意的含义,并且交互是存在方向性的。我们首先提出了亲和力指标衡量个体在网络中的受欢迎程度,然后使用亲和力指标迭代更新边的权重,使得网络达到或者接近动态符号一致性状态,最后将有向网络转换为无向网络。3)提出了改进的符号模块度指标以及适用于无向符号网络的社区检测算法。现有的评估符号网络中社区结构质量的符号模块度函数,是通过加权的形式来计算模块度,没有考虑到符号网络的符号特性,因此,我们提出了能够表示符号网络的符号特性的改进的符号模块度函数,并提出基于重构网络的社区检测算法,随着算法的执行逐步降低网络规模。实验结果表明,新算法在性能和效率上并不比现有的算法差,并且新算法能够给出符合实际的结果。4)提出符号局部模块度指标,并提出基于局部信息和动态扩展的社区检测算法。当网络是动态变化或者规模较大时,获取网络的全局信息就变得很困难,甚至是不可能的,因此,利用局部信息来检测社区结构就变得很有必要。我们首先提出了符号局部模块度指标来衡量局部社区的质量,使得每个局部社区的质量达到最优,进而达到全局的最优。实验结果显示,新算法给出了与现有算法相同的结果,这说明用局部信息挖掘社区结构是可行的,且在推荐领域更具优势。

论文目录

  • 摘要
  • abstract
  • 第一章 引言
  •   1.1 课题背景和意义
  •   1.2 论文主要内容
  •   1.3 论文章节安排
  • 第二章 复杂网络和社区检测算法概述
  •   2.1 复杂网络简介
  •   2.2 社区检测简介
  •   2.3 无向无符号网络中的社区检测算法
  •     2.3.1 基于介数的算法
  •     2.3.2 模块度优化算法
  •     2.3.3 标签传播算法
  •     2.3.4 极值优化算法
  •   2.4 无向符号网络中的社区检测算法
  •     2.4.1 随机游走算法
  •     2.4.2 动态算法
  •   2.5 局部社区检测算法
  •     2.5.1 固定社区局部优化算法
  •     2.5.2 自适应社区局部优化算法
  •   2.6 本章小结
  • 第三章 基于节点相关强度的无向无符号网络社区检测算法
  •   3.1 工作简介
  •   3.2 衡量指标
  •     3.2.1 模块度
  •     3.2.2 标准互信息素
  •     3.2.3 节点相关强度
  •   3.3 仿真结果与分析
  •     3.3.1 基准网络上的结果与分析
  •     3.3.2 真实网络上的结果与分析
  •   3.4 本章小结
  • 第四章 基于亲和力指标的有向网络转换为无向网络的算法
  •   4.1 工作简介
  •   4.2 衡量指标
  •     4.2.1 亲和力指标
  •     4.2.2 动态符号一致性状态
  •   4.3 算法与实验分析
  •   4.4 本章小结
  • 第五章 基于重构网络的无向符号网络社区检测算法
  •   5.1 工作简介
  •   5.2 衡量指标
  •     5.2.1 符号模块度
  •     5.2.2 改进的符号模块度
  •   5.3 仿真结果与分析
  •     5.3.1 事例网络上的结果与分析
  •     5.3.2 随机符号网络上的结果与分析
  •     5.3.3 真实网络上的结果与分析
  •   5.4 本章小结
  • 第六章 基于局部信息和动态扩展的无向网络社区检测算法
  •   6.1 工作简介
  •   6.2 相关定义及算法
  •   6.3 仿真结果与分析
  •   6.4 本章小结
  • 第七章 总结与展望
  •   7.1 工作总结
  •   7.2 未来展望
  • 参考文献
  • 发表论文和科研情况说明
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 罗永平

    导师: 夏承遗,王莉

    关键词: 复杂网络,社区检测,节点相关强度,亲和力指标,符号网络,模块度,动态扩展

    来源: 天津理工大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 数学,计算机软件及计算机应用

    单位: 天津理工大学

    分类号: O157.5;TP301.6

    总页数: 68

    文件大小: 3428K

    下载量: 118

    相关论文文献

    • [1].加强经管学科中算法分析与设计教学的建议[J]. 知识经济 2019(34)
    • [2].《算法分析》教学方法探索[J]. 现代计算机 2020(02)
    • [3].《算法分析与设计》专题探究式教学改革与实践[J]. 湖北开放职业学院学报 2020(04)
    • [4].算法分析与复杂性理论课程案例化教学改革[J]. 计算机教育 2020(04)
    • [5].算法分析与设计(双语)课程实践教学模式探索[J]. 中国管理信息化 2017(19)
    • [6].应用型人才培养中《算法分析与设计》课程教学方法研究[J]. 科技资讯 2017(04)
    • [7].中国古代算法的探究与模型建立[J]. 中华少年 2017(04)
    • [8].求离散点最小包围圆在算法初步教学中的案例分析[J]. 中华少年 2017(11)
    • [9].算法初步的几个着力点[J]. 高中生学习(试题研究) 2017(09)
    • [10].算法分析与设计——分治法的教学方法浅析[J]. 时代教育(教育教学) 2011(10)
    • [11].算法即权力:算法范式在新闻传播中的权力革命[J]. 编辑之友 2018(05)
    • [12].应用于词法分析器的算法分析优化[J]. 科技经济市场 2017(05)
    • [13].超大容量云服务算法分析[J]. 电脑知识与技术 2017(23)
    • [14].算法分析与设计课程研究型教学模式探索与实践[J]. 计算机教育 2015(23)
    • [15].信息与计算科学专业“算法分析与设计”研究性教学探索[J]. 中国电力教育 2013(01)
    • [16].两种常用指纹方向图算法分析及比较[J]. 信息通信 2017(01)
    • [17].“算法分析与设计”教学模式探索[J]. 当代教育理论与实践 2011(12)
    • [18].“算法分析与设计”课程教学改革和实践[J]. 中国电力教育 2010(16)
    • [19].算法分析中概率变化与图形生成[J]. 云南大学学报(自然科学版) 2009(S2)
    • [20].数据差异下的连续数据保护恢复算法分析及应用[J]. 微型电脑应用 2020(08)
    • [21].基于《算法分析与设计》中计算思维的运用[J]. 牡丹江教育学院学报 2013(01)
    • [22].算法分析与设计课程中多媒体技术的应用[J]. 科技风 2009(18)
    • [23].图像去雨雪算法分析[J]. 科技风 2019(30)
    • [24].“算法分析与设计”课程教学改革与实践[J]. 工业和信息化教育 2017(03)
    • [25].浅谈算法分析与设计课程的教学技巧[J]. 福建电脑 2017(09)
    • [26].算法分析与设计课程的拓展式教学[J]. 现代计算机(专业版) 2015(24)
    • [27].蝙蝠算法研究及应用综述[J]. 计算机工程与应用 2019(15)
    • [28].几种常见特殊方阵的算法分析与实现[J]. 无锡职业技术学院学报 2009(05)
    • [29].浅谈“贪心方法”的教学经验[J]. 时代教育(教育教学) 2011(11)
    • [30].高校学生补考考场分排算法分析及程序设计[J]. 电脑编程技巧与维护 2008(16)

    标签:;  ;  ;  ;  ;  ;  ;  

    复杂网络中社区发现算法研究
    下载Doc文档

    猜你喜欢