基于差分進(jìn)化優(yōu)化的社交網(wǎng)絡(luò)可視化
發(fā)布時(shí)間:2020-07-09 16:29
【摘要】:隨著互聯(lián)網(wǎng)的迅速興起與蓬勃發(fā)展,社交關(guān)系從社會(huì)學(xué)和人類學(xué)的重要研究分支演變?yōu)槎鄬W(xué)科融合的研究對(duì)象,并由此衍生出社交網(wǎng)絡(luò)概念。在線社交網(wǎng)絡(luò)的快速發(fā)展引人注目,龐大的數(shù)據(jù)體量包含了復(fù)雜的潛在信息,應(yīng)用可視化技術(shù)直觀地展現(xiàn)社交網(wǎng)絡(luò)并從中挖掘有價(jià)值的信息成為了當(dāng)下社交網(wǎng)絡(luò)的研究熱點(diǎn)和難點(diǎn)。本文總結(jié)社交網(wǎng)絡(luò)可視化的相關(guān)技術(shù),在此基礎(chǔ)之上,針對(duì)無向社交網(wǎng)絡(luò)提出基于差分進(jìn)化的可視化布局算法,結(jié)合彈簧模型移動(dòng)節(jié)點(diǎn),改進(jìn)差分進(jìn)化算法的變異-交叉-選擇過程,以符合布局算法的要求;針對(duì)社交網(wǎng)絡(luò)的結(jié)構(gòu)特點(diǎn)和美觀性需求,提出了更為完善的可視化方案,分析社交網(wǎng)絡(luò)的關(guān)鍵節(jié)點(diǎn)屬性和社區(qū)結(jié)構(gòu)并直觀展示,應(yīng)用邊綁定技術(shù)以減少邊交叉現(xiàn)象,通過結(jié)合社交網(wǎng)絡(luò)可視化關(guān)鍵技術(shù),形成完整的可視化流程。本文通過Python和D3.js編程實(shí)現(xiàn)相關(guān)算法,使用三個(gè)社交網(wǎng)絡(luò)數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)所得的可視化結(jié)果表明,差分進(jìn)化布局算法保持了較快的收斂性,改進(jìn)了傳統(tǒng)力導(dǎo)引布局局部優(yōu)化的不足,有更好的全局控制表現(xiàn)和一般適用性,且布局效果較好地展現(xiàn)了社交網(wǎng)絡(luò)的內(nèi)在特點(diǎn),滿足美學(xué)標(biāo)準(zhǔn)要求;可視化方案能夠充分展現(xiàn)社交網(wǎng)絡(luò)的屬性特點(diǎn)和內(nèi)在結(jié)構(gòu),邊綁定技術(shù)的應(yīng)用有效減弱了邊交叉現(xiàn)象帶來的視覺混亂。因此,本文的研究成果不僅在理論上有所突破,而且對(duì)直觀展現(xiàn)社交網(wǎng)絡(luò)的結(jié)構(gòu)、深入研究其信息傳播模式等方面也有很好的應(yīng)用前景和實(shí)用價(jià)值。
【學(xué)位授予單位】:天津工業(yè)大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位授予年份】:2019
【分類號(hào)】:TP393.09
【圖文】:
的距離將接近于其理想距離。KK算法一貫保持了力導(dǎo)引算法布局的美觀性,雖逡逑然在理論上KX算法的復(fù)雜度仍為0(?2),但其目標(biāo)函數(shù)的收斂性得到了很大改逡逑進(jìn)。應(yīng)用KK算法布局的效果對(duì)比如圖2-1所示。逡逑8逡逑
但其健壯性更佳,美觀性更好,是現(xiàn)今最常用的力導(dǎo)引布局算法。它可以保存程逡逑序的中間輸出,在修復(fù)布局時(shí)可作為初始配置,減少修復(fù)成本,并且在增量布局逡逑中有很大作用。應(yīng)用FR算法布局類似二叉樹結(jié)構(gòu)的網(wǎng)絡(luò)圖如圖2-2所示。逡逑圖2-2邋FR算法布局樣例逡逑由Aaron和Eades在2001年提出的FADE算法,是一種適用于大型無向圖,逡逑基于幾何聚類的快速算法。該算法利用Bames-Hut四叉樹分解來確定節(jié)點(diǎn)間的逡逑接近程度,而不是使用近似力的計(jì)算,所以降低了計(jì)算兩個(gè)節(jié)點(diǎn)間力的復(fù)雜度,逡逑相較于上述力導(dǎo)引算法,FADE的時(shí)間復(fù)雜度為0(?log(?))。FADE的布局過程逡逑為:使用空間分解構(gòu)造幾何聚類;計(jì)算邊緣力;計(jì)算非邊緣力;移動(dòng)節(jié)點(diǎn);重復(fù)逡逑以上過程直到收斂tl3]。并且,在更高的抽象級(jí)別上,較大的圖形可以更精確地表逡逑示。使用不同層級(jí)分解樹布局包含2500個(gè)節(jié)點(diǎn)的結(jié)果如圖2-3所示。逡逑岕S緬義賢跡玻擼秤τ茫疲粒模潘惴ú季鄭玻擔(dān)埃案黿詰愕慕峁ǎ巢惴紙饈鰨Γ擋惴紙饈鰨╁義隙轡叨確治霾季鄭ǎ停模櫻┧惴ǖ奶岢黿餼雋肆Φ家季值木窒扌,是艺d義現(xiàn)秩摯刂,目的蕽摚证整体碘c胱钚 U攵愿呶藎媒滴椒ń荽渝義細(xì)呶占浣檔降臀占,力求保臣?jiān)戦槷紲Z南嘍暈恢貌槐,同时保持布局效果辶x系拿攔坌裕郟保矗保擔(dān)蕁#停模鈾惴ㄓ辛街質(zhì)迪址椒
本文編號(hào):2747705
【學(xué)位授予單位】:天津工業(yè)大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位授予年份】:2019
【分類號(hào)】:TP393.09
【圖文】:
的距離將接近于其理想距離。KK算法一貫保持了力導(dǎo)引算法布局的美觀性,雖逡逑然在理論上KX算法的復(fù)雜度仍為0(?2),但其目標(biāo)函數(shù)的收斂性得到了很大改逡逑進(jìn)。應(yīng)用KK算法布局的效果對(duì)比如圖2-1所示。逡逑8逡逑
但其健壯性更佳,美觀性更好,是現(xiàn)今最常用的力導(dǎo)引布局算法。它可以保存程逡逑序的中間輸出,在修復(fù)布局時(shí)可作為初始配置,減少修復(fù)成本,并且在增量布局逡逑中有很大作用。應(yīng)用FR算法布局類似二叉樹結(jié)構(gòu)的網(wǎng)絡(luò)圖如圖2-2所示。逡逑圖2-2邋FR算法布局樣例逡逑由Aaron和Eades在2001年提出的FADE算法,是一種適用于大型無向圖,逡逑基于幾何聚類的快速算法。該算法利用Bames-Hut四叉樹分解來確定節(jié)點(diǎn)間的逡逑接近程度,而不是使用近似力的計(jì)算,所以降低了計(jì)算兩個(gè)節(jié)點(diǎn)間力的復(fù)雜度,逡逑相較于上述力導(dǎo)引算法,FADE的時(shí)間復(fù)雜度為0(?log(?))。FADE的布局過程逡逑為:使用空間分解構(gòu)造幾何聚類;計(jì)算邊緣力;計(jì)算非邊緣力;移動(dòng)節(jié)點(diǎn);重復(fù)逡逑以上過程直到收斂tl3]。并且,在更高的抽象級(jí)別上,較大的圖形可以更精確地表逡逑示。使用不同層級(jí)分解樹布局包含2500個(gè)節(jié)點(diǎn)的結(jié)果如圖2-3所示。逡逑岕S緬義賢跡玻擼秤τ茫疲粒模潘惴ú季鄭玻擔(dān)埃案黿詰愕慕峁ǎ巢惴紙饈鰨Γ擋惴紙饈鰨╁義隙轡叨確治霾季鄭ǎ停模櫻┧惴ǖ奶岢黿餼雋肆Φ家季值木窒扌,是艺d義現(xiàn)秩摯刂,目的蕽摚证整体碘c胱钚 U攵愿呶藎媒滴椒ń荽渝義細(xì)呶占浣檔降臀占,力求保臣?jiān)戦槷紲Z南嘍暈恢貌槐,同时保持布局效果辶x系拿攔坌裕郟保矗保擔(dān)蕁#停模鈾惴ㄓ辛街質(zhì)迪址椒
本文編號(hào):2747705
本文鏈接:http://sikaile.net/guanlilunwen/ydhl/2747705.html
最近更新
教材專著