

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(lǐng)
文檔簡介
1、在現(xiàn)實中,許多復(fù)雜系統(tǒng)可以表示成復(fù)雜網(wǎng)絡(luò)。其中,節(jié)點表示系統(tǒng)的各種元素,連邊表示元素之間的聯(lián)系。通過應(yīng)用復(fù)雜網(wǎng)絡(luò)理論,人們能夠更好地理解、預(yù)測和控制復(fù)雜系統(tǒng)的行為。隨著對復(fù)雜網(wǎng)絡(luò)的深入研究,人們發(fā)現(xiàn)許多實際網(wǎng)絡(luò)都具有社團結(jié)構(gòu),即各個子圖的內(nèi)部連接比較緊密,而子圖之間的連接比較稀疏。通過對社團結(jié)構(gòu)的研究,人們能夠更好地了解網(wǎng)絡(luò)結(jié)構(gòu)的特征和功能。目前社團結(jié)構(gòu)的研究包括社團結(jié)構(gòu)的定義、探測和應(yīng)用。本文分別對社團結(jié)構(gòu)的探測和應(yīng)用進行了研究,主要
2、貢獻和創(chuàng)新點如下:
(1)提出了一種快速的模擬退火優(yōu)化算法,該算法通過優(yōu)化模塊度來探測靜態(tài)網(wǎng)絡(luò)中的社團結(jié)構(gòu)。盡管許多基于模塊度優(yōu)化的社團探測算法被提出,但是它們本質(zhì)上都是基于一種貪婪策略來優(yōu)化模塊度,因此獲得的模塊度通常都是一種局部最大值?;诖?,本文利用模擬退火算法來優(yōu)化模塊度。同時,為了提升模擬退火算法的收斂速度,本文從兩個方面對它進行優(yōu)化:(i)利用層次聚類算法獲取一個初始社團劃分;(ii)在優(yōu)化模塊度的每一步,隨機從一
3、個社團中提取一個連通子圖并轉(zhuǎn)移到另外一個社團。實驗結(jié)果表明該算法不僅能夠獲得很高的模塊度,而且與傳統(tǒng)模擬退火算法相比,極大地提升了計算效率。
(2)提出了一種快速的動態(tài)社團探測算法,該算法首先利用上一時刻的社團結(jié)構(gòu)和當(dāng)前時刻的網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)造一個小網(wǎng)絡(luò),然后在小網(wǎng)絡(luò)上探測當(dāng)前時刻的社團結(jié)構(gòu)。實驗結(jié)果表明與傳統(tǒng)算法相比,該算法極大地提升了社團探測的計算效率。另外,本文還提出了一種快速的社團映射算法,該算法首先將上一時刻的每個社團分裂
4、成若干個小模塊,然后使用這些小模塊構(gòu)建一個小網(wǎng)絡(luò)并在小網(wǎng)絡(luò)上探測當(dāng)前時刻的社團。由于每個社團都可以看成是若個小模塊的組合,因此在社團映射階段可以通過統(tǒng)計兩個社團的共同模塊來計算它們的相似度。實驗結(jié)果表明該算法不僅能夠保證社團劃分的質(zhì)量,而且還能夠極大地提升社團映射階段的計算效率。
(3)提出了一種基于社團結(jié)構(gòu)的關(guān)鍵節(jié)點組挖掘算法。對于許多傳統(tǒng)算法來說,它們通常都是選擇前k個最重要的節(jié)點或者k個互不相連的重要節(jié)點作為關(guān)鍵節(jié)點。然
5、而,這些關(guān)鍵節(jié)點可能通常只位于少數(shù)社團。由于一個關(guān)鍵節(jié)點的影響力很難從它所在的社團傳播到其它社團,因此傳統(tǒng)算法選擇的一組關(guān)鍵節(jié)點的影響力有限。為了最大化一組關(guān)鍵節(jié)點的影響力,本文提出了選擇關(guān)鍵節(jié)點的三個約束條件:(i)單個節(jié)點的影響力很強;(ii)它不能與已知的關(guān)鍵節(jié)點相連;(iii)它不能與包含關(guān)鍵節(jié)點的社團相連。實驗結(jié)果表明該算法選擇的一組關(guān)鍵節(jié)點更有影響力。
(4)提出了一種基于社團結(jié)構(gòu)的快速鏈路預(yù)測算法。在實際網(wǎng)絡(luò)中,
6、鏈接傾向于在局部聚集并形成社團結(jié)構(gòu),這種現(xiàn)象表明社團結(jié)構(gòu)與鏈路形成之間存在相關(guān)性。因此,本文首先提出一種獲取獨立社團劃分樣本的算法,然后設(shè)計了兩個基于社團劃分樣本的統(tǒng)計量,分別用來預(yù)測社團內(nèi)部和社團之間的節(jié)點對產(chǎn)生連邊的概率。實驗結(jié)果表明與經(jīng)典的SBM模型相比,該算法不僅能夠準(zhǔn)確地預(yù)測網(wǎng)絡(luò)中的丟失連邊,而且還能夠極大地提升計算效率。另外,通過該算法計算的連邊概率,本文揭示了社團結(jié)構(gòu)中的三種鏈路形成機制。實驗結(jié)果表明該算法在由三種鏈路形成
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(yù)覽,若沒有圖紙預(yù)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(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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(fù)雜網(wǎng)絡(luò)社團結(jié)構(gòu)探測研究.pdf
- 復(fù)雜網(wǎng)絡(luò)上的社團結(jié)構(gòu)探測研究.pdf
- 復(fù)雜網(wǎng)絡(luò)社團結(jié)構(gòu)的探測及其在資金融通網(wǎng)絡(luò)中的應(yīng)用.pdf
- 復(fù)雜網(wǎng)絡(luò)社團結(jié)構(gòu)理論在工業(yè)共生網(wǎng)絡(luò)中的應(yīng)用研究.pdf
- 復(fù)雜網(wǎng)絡(luò)中的社團結(jié)構(gòu)特性研究.pdf
- 復(fù)雜網(wǎng)絡(luò)的社團結(jié)構(gòu)研究.pdf
- 復(fù)雜網(wǎng)絡(luò)中的社團結(jié)構(gòu)劃分及分析應(yīng)用.pdf
- 復(fù)雜網(wǎng)絡(luò)的社團結(jié)構(gòu)和網(wǎng)絡(luò)安全.pdf
- 復(fù)雜網(wǎng)絡(luò)中的社團結(jié)構(gòu)檢測算法研究.pdf
- 復(fù)雜網(wǎng)絡(luò)社團結(jié)構(gòu)識別算法研究
- 復(fù)雜網(wǎng)絡(luò)社團結(jié)構(gòu)識別算法研究.pdf
- 復(fù)雜網(wǎng)絡(luò)的社團結(jié)構(gòu)及其相關(guān)研究.pdf
- 復(fù)雜網(wǎng)絡(luò)社團結(jié)構(gòu)發(fā)現(xiàn)算法的研究.pdf
- 復(fù)雜網(wǎng)絡(luò)社團結(jié)構(gòu)挖掘算法的研究.pdf
- 復(fù)雜網(wǎng)絡(luò)中基于穩(wěn)定社團結(jié)構(gòu)的社區(qū)發(fā)現(xiàn)研究.pdf
- 復(fù)雜網(wǎng)絡(luò)中社團結(jié)構(gòu)對疾病傳播的影響.pdf
- 40938.復(fù)雜網(wǎng)絡(luò)中的社團結(jié)構(gòu)發(fā)現(xiàn)方法研究
- 復(fù)雜網(wǎng)絡(luò)中社團結(jié)構(gòu)發(fā)現(xiàn)算法的研究與實現(xiàn).pdf
- 復(fù)雜網(wǎng)絡(luò)社團結(jié)構(gòu)劃分算法研究.pdf
- 復(fù)雜網(wǎng)絡(luò)的社團結(jié)構(gòu)劃分方法及其研究.pdf
評論
0/150
提交評論