

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
1、近年來,由于信息技術(shù)的飛速發(fā)展,科學家和學者們能夠越來越容易地在現(xiàn)實世界中收集到高通量的網(wǎng)絡數(shù)據(jù),這使得復雜網(wǎng)絡的研究變得炙手可熱起來。除了Watts和Strogatz在1998年發(fā)現(xiàn)的小世界特性以及Barabási和Albert在1999年發(fā)現(xiàn)的無標度(尺度)特性外,網(wǎng)絡的社團(社區(qū)、模塊)結(jié)構(gòu)特性被認為是復雜網(wǎng)絡中最重要的統(tǒng)計特性之一。目前,關于網(wǎng)絡中的社團仍然不存在統(tǒng)一的定義,通常指的是滿足下面條件的節(jié)點子集:子集內(nèi)部節(jié)點之間具有
2、稠密的連接,而與子集外部的節(jié)點具有稀疏的連接。研究表明,網(wǎng)絡的這種社團結(jié)構(gòu)與某些功能屬性有著緊密的聯(lián)系,比如網(wǎng)絡的魯棒性和信息快速傳遞特性等。因此在網(wǎng)絡中描述和檢測這些社團結(jié)構(gòu)具有重要的實際意義并已成為近幾年來的研究熱點。
本論文中,我們主要關注復雜網(wǎng)絡中社團結(jié)構(gòu)檢測相關問題的研究,取得的主要研究成果如下:
1.提出了一種新的社團檢測方法-JEOMD。該方法以加入懲罰項的模塊密度函數(shù)D作為指標函數(shù),并使用跳躍
3、極值最優(yōu)化方法來優(yōu)化該指標函數(shù),能夠得到網(wǎng)絡的層次分割結(jié)果。在一組真實網(wǎng)絡上的實驗表明,與基于模塊化函數(shù)Q的優(yōu)化方法相比,JEOMD方法能夠更有效地檢測出網(wǎng)絡中存在的不同層次和不同規(guī)模的社團結(jié)構(gòu)。在該組真實網(wǎng)絡及其對應的隨機網(wǎng)絡上的對比實驗表明,加入懲罰項的模塊密度函數(shù)D作為社團檢測的指標函數(shù)在一定程度上比模塊化函數(shù)Q更有效。
2.提出了一個新的衡量社團劃分質(zhì)量的指標函數(shù),稱之為標準化模塊密度(normalized mod
4、ularity density-NMD)。在示例網(wǎng)絡中證明了NMD能夠改善模塊化函數(shù)Q中存在的分辨率極限問題;證明了NMD與圖分割中廣泛應用的normalized-cut目標函數(shù)存在著緊密的聯(lián)系,即當社團數(shù)目m已知時,最大化標準化模塊密度相當于最小化目標函數(shù)normalized-cut。使用改進的模擬退火算法優(yōu)化指標NMD。在一組模擬網(wǎng)絡上的實驗表明,與基于模塊化函數(shù)Q的優(yōu)化方法相比,基于NMD的方法能夠取得更高的檢測正確率;在一組真實
5、網(wǎng)絡上的實驗表明,基于NMD的方法能夠檢測出網(wǎng)絡中更精細的模塊結(jié)構(gòu),從而為NMD能夠改善Q的分辨率問題提供了更進一步的證據(jù);
把指標函數(shù)NMD和D推廣到其加權(quán)形式NMDw和Dw,并用于在加權(quán)網(wǎng)絡中進行社團檢測。分析了加權(quán)模塊化函數(shù)Qw同樣存在分辨率極限問題;指出了加權(quán)模塊密度函數(shù)Dw存在的負社團問題;在兩個實例網(wǎng)絡上證明了NMDw不僅能夠克服Qw中存在的分辨率極限問題,而且能夠避免Dw中出現(xiàn)的負社團問題。為了比較指標NMD
6、w與Qw和Dw在加權(quán)網(wǎng)絡社團檢測中的性能,使用模擬退火算法實現(xiàn)三個指標的優(yōu)化。在一組模擬網(wǎng)絡上的實驗表明,優(yōu)化NMDw指標能夠取得比優(yōu)化Qw和Dw更高的檢測正確率;在一組真實網(wǎng)絡上的實驗表明,優(yōu)化NMDw指標,不僅能夠從加權(quán)網(wǎng)絡中檢測出精細尺度下的社團,尤其是優(yōu)化Qw所不能檢測出來的小而稠密的社團,而且能夠避免優(yōu)化Dw時出現(xiàn)的負社團問題。
3.提出了一種基于自適應核仿射傳播的網(wǎng)絡社團檢測方法-AKAP。在該方法中,標準化的
7、馬爾可夫擴散核(Markov diffusion kernel)被用來隱式地衡量節(jié)點之間的非相似度,引入自適應仿射傳播方法優(yōu)化得到的非相似度矩陣。在模擬網(wǎng)絡上的實驗表明,與Newman快速算法相比,AKAP方法能夠取得更高的檢測正確率;在一組真實網(wǎng)絡上的實驗表明,AKAP方法能夠有效地檢測出網(wǎng)絡中存在的有意義的社團結(jié)構(gòu)和包含的社團數(shù)目。
4.提出了一種有效的網(wǎng)絡節(jié)點的可視化方法。在該方法中,定義了一種新的節(jié)點間距離,將得到
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 復雜網(wǎng)絡中社團檢測技術(shù)研究.pdf
- 復雜網(wǎng)絡中的社團結(jié)構(gòu)檢測算法研究.pdf
- 復雜網(wǎng)絡中的重疊社團發(fā)現(xiàn)問題研究.pdf
- 復雜網(wǎng)絡中交疊性社團劃分問題的研究.pdf
- 復雜網(wǎng)絡中社團發(fā)現(xiàn)算法的研究.pdf
- 動態(tài)復雜網(wǎng)絡中的異常檢測問題的研究.pdf
- 復雜網(wǎng)絡中的社團結(jié)構(gòu)特性研究.pdf
- 復雜網(wǎng)絡中的社團劃分算法研究.pdf
- 基于密母算法的復雜網(wǎng)絡社團檢測.pdf
- 復雜網(wǎng)絡社團檢測算法及其應用研究.pdf
- 復雜社團網(wǎng)絡中病毒傳播與控制研究.pdf
- 基于大規(guī)模復雜網(wǎng)絡的重疊社團檢測算法研究.pdf
- 基于復雜網(wǎng)絡的社團發(fā)現(xiàn)研究.pdf
- 基于矩陣的復雜網(wǎng)絡社團結(jié)構(gòu)劃分問題研究.pdf
- 復雜網(wǎng)絡的社團結(jié)構(gòu)研究.pdf
- 4658.復雜網(wǎng)絡社團檢測的多目標進化算法研究
- 基于相似度的復雜網(wǎng)絡社團結(jié)構(gòu)檢測算法研究.pdf
- 社交網(wǎng)絡中的社團檢測算法研究.pdf
- 社會網(wǎng)中社團檢測問題的研究.pdf
- 基于相似度的復雜網(wǎng)絡社團結(jié)構(gòu)檢測算法研究
評論
0/150
提交評論