本文選題：復(fù)雜網(wǎng)絡(luò) + 社團結(jié)構(gòu)��； 參考：《電子科技大學》2017年博士論文

【摘要】：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。基于此,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:(4))利用層次聚類算法獲取一個初始社團劃分;(4)4))在優(yōu)化模塊度的每一步,隨機從一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6)個最重要的節(jié)點或者6)個互不相連的重要節(jié)點作為關(guān)鍵節(jié)點。然而,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:(4))單個節(jié)點的影響力很強;(4)4))它不能與已知的關(guān)鍵節(jié)點相連;(4)4)4))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,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機制選擇的測試集上具有更高的準確率。上述前兩個工作分別提升了靜態(tài)社團探測算法和動態(tài)社團探測算法的計算效率,而后兩個工作則分別研究了社團結(jié)構(gòu)在關(guān)鍵節(jié)點識別和鏈路預(yù)測中的應(yīng)用。
[Abstract]:This paper presents a fast dynamic community mapping algorithm , which is based on the structure of community structure and the network structure of the current time . In order to maximize the influence of a group of key nodes , this paper puts forward three kinds of link formation mechanisms based on community structure .
【學位授予單位】：電子科技大學
【學位級別】：博士
【學位授予年份】：2017
【分類號】：O157.5;TP301.6

【參考文獻】

相關(guān)期刊論文 前6條

1 趙之瀅;于海;朱志良;汪小帆;;基于網(wǎng)絡(luò)社團結(jié)構(gòu)的節(jié)點傳播影響力分析[J];計算機學報;2014年04期

2 陳娟;陸君安;;復(fù)雜網(wǎng)絡(luò)中尺度研究揭開網(wǎng)絡(luò)同步化過程[J];電子科技大學學報;2012年01期

3 程學旗;沈華偉;;復(fù)雜網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)[J];復(fù)雜系統(tǒng)與復(fù)雜性科學;2011年01期

4 譚躍進;吳俊;鄧宏鐘;;復(fù)雜網(wǎng)絡(luò)中節(jié)點重要度評估的節(jié)點收縮方法[J];系統(tǒng)工程理論與實踐;2006年11期

5 陳勇,胡愛群,胡嘯;通信網(wǎng)中節(jié)點重要性的評價方法[J];通信學報;2004年08期

6 李鵬翔,任玉晴,席酉民;網(wǎng)絡(luò)節(jié)點(集)重要性的一種度量指標[J];系統(tǒng)工程;2004年04期

，

本文編號：1941274