社區(qū)結(jié)構(gòu)是社交網(wǎng)絡(luò)的重要特征,它是指網(wǎng)絡(luò)中同一社區(qū)內(nèi)部的節(jié)點(diǎn)連接緊密,不同社區(qū)間的節(jié)點(diǎn)連接疏松。社交網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)具有層次性,即:大的社區(qū)內(nèi)嵌套著若干小社區(qū)。挖掘社交網(wǎng)絡(luò)中的層次化結(jié)構(gòu),對(duì)于理解社交網(wǎng)絡(luò)的組織結(jié)構(gòu)和系統(tǒng)功能具有非常重要的意義。層次社區(qū)劃分方法可以分為凝聚式和分裂式,其中凝聚式憑其優(yōu)良特性取得了較為廣泛的應(yīng)用。現(xiàn)有的凝聚式社區(qū)發(fā)現(xiàn)算法往往存在以下問(wèn)題:（1）將網(wǎng)絡(luò)中的每個(gè)節(jié)點(diǎn)當(dāng)作初始社區(qū),生成的層次樹(shù)狀圖復(fù)雜,不利于理解和分析;（2）難以同時(shí)保證算法的高效性和準(zhǔn)確性。基于此,本文從拓?fù)鋭?shì)和最小生成樹(shù)兩個(gè)角度研究社交網(wǎng)絡(luò)的層次化結(jié)構(gòu),主要內(nèi)容包括:（1）提出一種融合拓?fù)鋭?shì)的層次化社區(qū)發(fā)現(xiàn)算法。該算法首先搜索網(wǎng)絡(luò)中的局部極大勢(shì)值點(diǎn),根據(jù)極大勢(shì)值點(diǎn)進(jìn)行初始社區(qū)劃分,然后依據(jù)極大勢(shì)值點(diǎn)間的距離對(duì)初始社區(qū)進(jìn)行迭代合并,大大減少了合并次數(shù),使得生成的層次樹(shù)狀圖簡(jiǎn)單。在真實(shí)網(wǎng)絡(luò)和LFR人工網(wǎng)絡(luò)上實(shí)驗(yàn)表明,該方法在保證算法效率的同時(shí),保證了社區(qū)劃分的準(zhǔn)確性。（2）提出一種基于最小生成樹(shù)的層次化社區(qū)發(fā)現(xiàn)算法。該算法根據(jù)相鄰節(jié)點(diǎn)間的連接強(qiáng)度構(gòu)造微社區(qū),迭代合并微社區(qū)并構(gòu)造最小生成樹(shù),在構(gòu)造最... 

【文章來(lái)源】：中國(guó)礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
abstract
1 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀
    1.3 本文主要研究?jī)?nèi)容
    1.4 本文組織結(jié)構(gòu)
2 相關(guān)技術(shù)綜述
    2.1 拓?fù)鋭?shì)
    2.2 最小生成樹(shù)
    2.3 本章小結(jié)
3 基于拓?fù)鋭?shì)的層次社區(qū)發(fā)現(xiàn)
    3.1 引言
    3.2 算法描述
    3.3 算法復(fù)雜性分析
    3.4 仿真實(shí)驗(yàn)
    3.5 本章小結(jié)
4 基于最小生成樹(shù)的層次社區(qū)發(fā)現(xiàn)
    4.1 引言
    4.2 算法描述
    4.3 算法復(fù)雜性分析
    4.4 仿真實(shí)驗(yàn)
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 進(jìn)一步的研究工作
參考文獻(xiàn)
作者簡(jiǎn)歷
學(xué)位論文數(shù)據(jù)集


【參考文獻(xiàn)】：
期刊論文
[1]基于最小生成樹(shù)的多層次k-Means聚類算法及其在數(shù)據(jù)挖掘中的應(yīng)用[J]. 金曉民,張麗萍.  吉林大學(xué)學(xué)報(bào)(理學(xué)版). 2018(05)
[2]一種基于完全子圖與標(biāo)簽傳播的重疊社區(qū)檢測(cè)算法[J]. 桂瓊,鄧銳,程小輝,呂永軍.  桂林理工大學(xué)學(xué)報(bào). 2018(03)
[3]大數(shù)據(jù)環(huán)境下的隱形黑手[J]. 張勇.  計(jì)算機(jī)與網(wǎng)絡(luò). 2018(08)
[4]融合拓?fù)鋭?shì)的社交網(wǎng)絡(luò)層次化社區(qū)發(fā)現(xiàn)算法[J]. 候夢(mèng)男,王志曉,何婧,芮曉彬,高菊遠(yuǎn).  計(jì)算機(jī)工程與應(yīng)用. 2019(01)
[5]Hierarchical Community Detection Based on Partial Matrix Convergence Using Random Walks[J]. Wei Zhang,Feng Kong,Liming Yang,Yunfang Chen,Mengyuan Zhang.  Tsinghua Science and Technology. 2018(01)
[6]論新媒體時(shí)代下微信公共媒體的社會(huì)影響力[J]. 高佩.  中國(guó)傳媒科技. 2018(01)
[7]一種基于聚類融合和最小生成樹(shù)的重疊社交網(wǎng)絡(luò)劃分方法（英文）[J]. 高博,王麗娜,李力.  機(jī)床與液壓. 2017(24)
[8]基于相似性模塊度的層次聚合社區(qū)發(fā)現(xiàn)算法[J]. 占文威,席景科,王志曉.  系統(tǒng)仿真學(xué)報(bào). 2017(05)
[9]基于層次化社區(qū)結(jié)構(gòu)的影響最大化算法[J]. 朱昌盛,朱福喜,陽(yáng)小蘭.  計(jì)算機(jī)工程與設(shè)計(jì). 2017(03)
[10]基于滿二叉樹(shù)的二分K-means聚類并行推薦算法[J]. 陳平華,陳傳瑜.  計(jì)算機(jī)工程與科學(xué). 2015(08)

博士論文
[1]基于拓?fù)鋭?shì)的網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)方法研究[D]. 李泓波.哈爾濱工程大學(xué) 2013

碩士論文
[1]基于最小生成樹(shù)的復(fù)雜網(wǎng)絡(luò)社區(qū)檢測(cè)與圖像分割[D]. 李笑笑.西安電子科技大學(xué) 2013
[2]網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中節(jié)點(diǎn)重要性評(píng)價(jià)方法的研究[D]. 于少然.北京交通大學(xué) 2012



本文編號(hào)：3330634