對(duì)社區(qū)結(jié)構(gòu)的研究能深入了解復(fù)雜網(wǎng)絡(luò),同時(shí)也能挖掘復(fù)雜網(wǎng)絡(luò)潛藏功能。但隨著信息發(fā)展,復(fù)雜網(wǎng)絡(luò)規(guī)模越發(fā)龐大,網(wǎng)絡(luò)的伸縮性使復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)變得模糊,這導(dǎo)致社區(qū)發(fā)現(xiàn)算法在處理具有模糊結(jié)構(gòu)大規(guī)模復(fù)雜網(wǎng)絡(luò)問(wèn)題時(shí)難以達(dá)到滿(mǎn)意的效果。本文針對(duì)現(xiàn)有社區(qū)發(fā)現(xiàn)算法在大規(guī)模復(fù)雜網(wǎng)絡(luò)存在計(jì)算效率低下和在具有模糊結(jié)構(gòu)的復(fù)雜網(wǎng)絡(luò)中社區(qū)發(fā)現(xiàn)精度降低的問(wèn)題,提出了兩種改進(jìn)方法。主要研究?jī)?nèi)容如下:（1）為了解決現(xiàn)有社區(qū)發(fā)現(xiàn)算法在大規(guī)模復(fù)雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)中存在計(jì)算精度和計(jì)算效率偏低的問(wèn)題,提出一種基于譜聚類(lèi)的多目標(biāo)社區(qū)發(fā)現(xiàn)算法（SMOEA）。首先,使用譜聚類(lèi)算法處理編碼后的復(fù)雜網(wǎng)絡(luò),借助譜聚類(lèi)的子圖劃分特性充分利用節(jié)點(diǎn)和邊的信息,提高多目標(biāo)社區(qū)發(fā)現(xiàn)算法中初始種群的質(zhì)量。其次,利用多目標(biāo)社區(qū)發(fā)現(xiàn)算法尋找非支配解集,從而得到較優(yōu)的解。在多目標(biāo)粒子群算法的進(jìn)化過(guò)程中采用一種網(wǎng)格約簡(jiǎn)的數(shù)據(jù)歸減方法對(duì)種群進(jìn)行約減,提高算法的計(jì)算效率,使其能夠完成較大規(guī)模的復(fù)雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)問(wèn)題。在人工網(wǎng)絡(luò)和9個(gè)真實(shí)網(wǎng)絡(luò)上的實(shí)驗(yàn)結(jié)果表明,該算法在社區(qū)發(fā)現(xiàn)性能和計(jì)算復(fù)雜度方面,都要優(yōu)于MRMOEA、RMOEA和MCMOEA三種代表性的基于多目標(biāo)的社區(qū)發(fā)現(xiàn)算法... 

【文章來(lái)源】：桂林理工大學(xué)廣西壯族自治區(qū)

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究目的和意義
    1.2 復(fù)雜網(wǎng)絡(luò)
        1.2.1 概念
        1.2.2 復(fù)雜網(wǎng)絡(luò)的表示
        1.2.3 復(fù)雜網(wǎng)絡(luò)的特性
    1.3 社區(qū)發(fā)現(xiàn)
        1.3.1 社區(qū)結(jié)構(gòu)
        1.3.2 評(píng)價(jià)指標(biāo)
    1.4 社區(qū)發(fā)現(xiàn)算法的研究現(xiàn)狀與存在的不足
    1.5 本文研究的主要內(nèi)容
第2章 基于譜聚類(lèi)的多目標(biāo)社區(qū)發(fā)現(xiàn)算法
    2.1 引言
    2.2 相關(guān)工作
        2.2.1 多目標(biāo)社區(qū)發(fā)現(xiàn)問(wèn)題
        2.2.2 多目標(biāo)進(jìn)化算法簡(jiǎn)介
        2.2.3 譜聚類(lèi)算法
    2.3 基于譜聚類(lèi)的多目標(biāo)社區(qū)發(fā)現(xiàn)算法
        2.3.1 基于譜聚類(lèi)的初始種群生成
        2.3.2 數(shù)據(jù)歸減策略
        2.3.3 算法的步驟
        2.3.4 算法復(fù)雜度
    2.4 實(shí)驗(yàn)結(jié)果
        2.4.1 實(shí)驗(yàn)設(shè)置
        2.4.2 人工網(wǎng)絡(luò)上的實(shí)驗(yàn)
        2.4.3 真實(shí)網(wǎng)絡(luò)上的實(shí)驗(yàn)
    2.5 本章小結(jié)
第3章 基于結(jié)構(gòu)增強(qiáng)的極大團(tuán)社區(qū)發(fā)現(xiàn)算法
    3.1 引言
    3.2 相關(guān)工作
        3.2.1 基于拓?fù)浣Y(jié)構(gòu)圖的社區(qū)發(fā)現(xiàn)算法
        3.2.2 網(wǎng)絡(luò)中的團(tuán)結(jié)構(gòu)
    3.3 基于結(jié)構(gòu)增強(qiáng)的極大團(tuán)社區(qū)發(fā)現(xiàn)算法
        3.3.1 社區(qū)結(jié)構(gòu)增強(qiáng)
        3.3.2 極大團(tuán)發(fā)現(xiàn)算法
        3.3.3 算法整體流程與復(fù)雜度分析
        3.3.4 算法并行化
    3.4 實(shí)驗(yàn)結(jié)果
        3.4.1 實(shí)驗(yàn)參數(shù)設(shè)置
        3.4.2 人工網(wǎng)絡(luò)上的實(shí)驗(yàn)
        3.4.3 真實(shí)網(wǎng)絡(luò)上的實(shí)驗(yàn)
        3.4.4 并行算法和原算法實(shí)驗(yàn)對(duì)比
    3.5 本章小結(jié)
第4章 總結(jié)與展望
    4.1 工作總結(jié)
    4.2 未來(lái)展望
參考文獻(xiàn)
讀研期間參加的科研項(xiàng)目和研究成果
    攻讀碩士學(xué)位期間參加的科研項(xiàng)目
    攻讀碩士學(xué)位期間的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]節(jié)點(diǎn)不對(duì)稱(chēng)轉(zhuǎn)移概率的網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法[J]. 許平華,胡文斌,邱振宇,聶聰,唐傳慧,高曠,劉中舟.  軟件學(xué)報(bào). 2019(12)
[2]一種新的基于標(biāo)簽傳播的復(fù)雜網(wǎng)絡(luò)重疊社區(qū)識(shí)別算法[J]. 鄧琨,李文平,陳麗,劉星妍.  控制與決策. 2020(11)
[3]基于重要度貢獻(xiàn)的無(wú)標(biāo)度網(wǎng)絡(luò)節(jié)點(diǎn)評(píng)估方法[J]. 尹榮榮,尹學(xué)良,崔夢(mèng)頔,徐英函.  軟件學(xué)報(bào). 2019(06)
[4]A branching heuristic for SAT solvers based on complete implication graphs[J]. Fan XIAO,Chu-Min LI,Mao LUO,Felip MANYA,Zhipeng Lü,Yu LI.  Science China（Information Sciences）. 2019(07)
[5]基于改進(jìn)GN算法的程序控制流圖劃分方法[J]. 馬銳,高浩然,竇伯文,王夏菁,胡昌振.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[6]一種基于標(biāo)簽傳播的兩階段社區(qū)發(fā)現(xiàn)算法[J]. 鄭文萍,車(chē)晨浩,錢(qián)宇華,王杰.  計(jì)算機(jī)研究與發(fā)展. 2018(09)
[7]隨機(jī)圖中k-獨(dú)立集的相變性質(zhì)[J]. 盧友軍,許道云.  計(jì)算機(jī)研究與發(fā)展. 2017(12)
[8]復(fù)雜社會(huì)網(wǎng)絡(luò)的兩階段社區(qū)發(fā)現(xiàn)算法[J]. 龍浩,汪浩.  小型微型計(jì)算機(jī)系統(tǒng). 2016(04)
[9]大規(guī)模復(fù)雜網(wǎng)絡(luò)社區(qū)并行發(fā)現(xiàn)算法[J]. 喬少杰,郭俊,韓楠,張小松,元昌安,唐常杰.  計(jì)算機(jī)學(xué)報(bào). 2017(03)
[10]社交網(wǎng)絡(luò)中FN算法結(jié)果的后處理研究[J]. 倪涵,白清源.  計(jì)算機(jī)科學(xué). 2015(06)

博士論文
[1]復(fù)雜網(wǎng)絡(luò)中社區(qū)結(jié)構(gòu)發(fā)現(xiàn)算法研究及建模[D]. 杜楠.北京郵電大學(xué) 2009

碩士論文
[1]PAES多目標(biāo)優(yōu)化算法及其應(yīng)用研究[D]. 張自如.蘭州理工大學(xué) 2012



本文編號(hào)：3632133