復雜網(wǎng)絡社團結構識別算法研究.pdf

1、自然界中，復雜網(wǎng)絡系統(tǒng)隨處可見。不管是人們可以感知的經(jīng)濟系統(tǒng)、引文網(wǎng)絡系統(tǒng)、食物鏈網(wǎng)絡系統(tǒng)，還是人們不可感知的生物化學系統(tǒng)，這些復雜網(wǎng)絡系統(tǒng)都擁有著各自的屬性和聯(lián)系。為了充分地研究這些復雜網(wǎng)絡系統(tǒng)，學者們抽象出一種模型—復雜網(wǎng)絡。近年來，復雜網(wǎng)絡的崛起引起了相關領域專家們的高度關注，也迅速成為他們研究的重點內(nèi)容。學者們通過進一步地研究和分析，發(fā)現(xiàn)不同的現(xiàn)實網(wǎng)絡模型卻有著相同的特性。社團結構是描述復雜網(wǎng)絡的一個關鍵特征，也是網(wǎng)絡中最普通且

2、最關鍵的一個拓撲屬性。研究社團結構不僅具有重要的理論意義，而且具有實際應用價值。社團結構可以幫助人們更好地認識和了解網(wǎng)絡的拓撲結構、復雜網(wǎng)絡的功能模塊、節(jié)點之間的隱藏關系，也可以預測網(wǎng)絡系統(tǒng)的變化趨勢。
　　在復雜網(wǎng)絡的社團結構識別過程中，模塊度度量和其衍生出的度量指標起了很重要的作用，并催生了一大批重要的社團識別算法。但這種通過一般模塊度優(yōu)化方法來獲取復雜網(wǎng)絡的社團結構存在分辨率問題，影響了模塊度優(yōu)化方法的準確性和應用廣度。針對

3、模塊度優(yōu)化時所產(chǎn)生的分辨率問題，本文將提出應用增強模塊度優(yōu)化方法，從而有效地避免分辨率問題。由于社團結構的劃分和聚類算法的思想類似，可以探索使用數(shù)據(jù)挖掘的方法和理論來研究復雜網(wǎng)絡的社團結構問題。因此，本文將已成熟的聚類算法應用到復雜網(wǎng)絡社團識別問題上。本文的主要工作如下：
　　(1)基于增強模塊度社團識別算法：首先，該算法應用隨機游走理論把無向無權網(wǎng)絡通過預處理轉化為無向有權網(wǎng)絡，預處理后的網(wǎng)絡社團之間的連邊權值小，社團內(nèi)部中連邊

4、的權值大。然后，使用 CNM算法對實際網(wǎng)絡進行劃分，并使用無向有權網(wǎng)絡的模塊度公式來衡量劃分結果的好壞。本文提出了一種將隨機游走理論與CNM算法結合的社團識別算法，其劃分結果表明這種算法可以有效地避免模塊度優(yōu)化時所產(chǎn)生的分辨率問題。將該算法應用到人工網(wǎng)絡或社團結構較為顯著的現(xiàn)實網(wǎng)絡中，識別出的社團效果較好。
　　(2)基于聚類算法思想的社團結構識別算法：基于邊的信息中心度，本文提出了節(jié)點親密度的概念，并構建了節(jié)點親密度矩陣。然后，