首页> 中文学位 >复杂网络中社区结构层次性和重叠性揭示算法研究与实现
【6h】

复杂网络中社区结构层次性和重叠性揭示算法研究与实现

代理获取

目录

声明

摘要

插图索引

附表索引

第1章 绪论

1.1 复杂网络研究的背景与意义

1.2 国内外研究现状

1.3 论文组织结构

1.4 本章小结

第2章 复杂网络中的社团结构特性揭示技术

2.1 复杂网络的基本性质

2.1.1 真实网络的图表示

2.1.2 度和度分布

2.1.3 聚类系数

2.1.4 网络的平均最短路径和顶点的介数

2.2 复杂网络社团的结构定义和评价标准

2.2.1 复杂网络社团的结构定义

2.2.2 复杂网络社团的评价标准

2.3 复杂网络社团结构的划分算法

2.3.1 迭代二分法

2.3.2 层次性社团挖掘法

2,3.3 CPM算法与重叠性社团挖掘算法

2.3.4 重叠性和层次性同时体现的算法

2.3.5 基于模块度优化的算法

2.4 本章小结

第3章 基于层次性和重叠性划分的社团结构特征揭示算法

3.1 引言

3.2 BGLL聚类算法

3.3 BGLL的改进聚类算法

3.3.1 点加入社团的模块度增益

3.3.2 BGLL算法改进算法思想

3.3.3 BGLL算法改进的具体实现

3.4 本章小结

第4章 算法在MATLAB上的实现以及性能测试

4.1 实验分析工具与平台

4.2 改进算法实验结果对比

4.3 本章小结

结论

参考文献

致谢

展开▼

摘要

当下社会已进入大数据时代,数据挖掘可以帮助用户发现隐藏在大量数据中的规律和模式。复杂网络,例如社交网,因其庞大复杂性,发现其中隐藏的规律和模式,面临着很大挑战。复杂网络通常会呈现出社区结构特性,如何高效地发现复杂网络中的社区结构特性是当前研究复杂网络的热点之一。现有算法大都只能较好地找出社区结构的层次性或者重叠性。能同时体现复杂网络中的社团结构层次性和重叠性对于准确地挖掘出网络中潜在的信息十分重要,本文研究复杂网络社区结构中层次性和重叠性的揭示算法,主要工作如下:
  (1)现有的网络层次性社团挖掘算法BGLL可以高效准确地挖掘出复杂网络中的层次性社团结构。但是现实中的网络是兼备层次性和重叠性的,为了更准确地挖掘出复杂网络潜在的信息,本文侧重挖掘重叠性结构对BGLL算法进行了改进,基于节点加入社团的模块度贡献差值的概念,在原始BGLL寻找到网络层次性社团的基础上准确快速地找到社团之间的桥梁节点,优化原算法,使优化后的算法能同时高效精确地揭示复杂网络的层次性和重叠性结构。
  (2)为了检验本文提出的BGLL改进算法的性能,对复杂网络的社团结构挖掘的两个经典挖掘方法进行了实现,包括基于边介数的GN算法、FastNewman快速算法。并将本文提出的基于BGLL改进的算法和经典算法以及同时揭示层次性和重叠性的LFM算法运用于多个测试基准网络,对比这四个算法的性能指标。
  应用MATLAB实现了所提出的BGLL改进算法,并进行了仿真实验。仿真结果显示,BGLL改进后的算法运用于测试基准网络的模块度比改进前的算法有所提升,说明改进后算法挖掘的社团结构更明显,效果更佳。同时,改进后的BGLL算法基于层次性结构挖掘到的重叠点数和基准图基本一致,挖掘结果也优于现有的同时揭示层次性和重叠性的LFM算法,进一步说明改进后的BGLL可以更准确地揭示复杂网络的层次性和重叠性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号