本文關(guān)鍵詞：復(fù)雜網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著科學(xué)技術(shù)的發(fā)展,復(fù)雜網(wǎng)絡(luò)的研究?jī)r(jià)值逐漸凸顯,研究者們更多的關(guān)注復(fù)雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)中關(guān)鍵節(jié)點(diǎn)的探索與研究,到目前為止,關(guān)于復(fù)雜網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)已經(jīng)提出了大量的科研成果,在這眾多的成果之中也有一些較為實(shí)用的方法,為更好的研究復(fù)雜網(wǎng)絡(luò)提供了便利條件.本文在查閱了大量國(guó)內(nèi)外文獻(xiàn)研究的前提之下,對(duì)復(fù)雜網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)領(lǐng)域研究現(xiàn)狀做了梳理與總結(jié),并對(duì)復(fù)雜網(wǎng)絡(luò)理論研究的歷史進(jìn)程進(jìn)行了歸納,由此提出了聚類算法預(yù)處理的社區(qū)發(fā)現(xiàn)算法。本文提出了局部相似度聚類算法預(yù)處理的社區(qū)發(fā)現(xiàn)算法,首先利用社區(qū)發(fā)現(xiàn)算法在構(gòu)建相似度后可以轉(zhuǎn)換為聚類算法的基本思路,使用局部相似指標(biāo)構(gòu)建相似矩陣,使用譜聚類算法,參考特征間隙標(biāo)準(zhǔn)對(duì)當(dāng)前網(wǎng)絡(luò)進(jìn)行預(yù)處理劃分,再使用考量網(wǎng)絡(luò)全局拓?fù)涮匦訮age Rank算法作為核心節(jié)點(diǎn)的選擇的參考指標(biāo),在預(yù)處理的每個(gè)社區(qū)結(jié)構(gòu)內(nèi)選擇重要節(jié)點(diǎn),計(jì)算每個(gè)非中心節(jié)點(diǎn)對(duì)每個(gè)重要節(jié)點(diǎn)所形成的社區(qū)結(jié)構(gòu)的貢獻(xiàn)值即節(jié)點(diǎn)適應(yīng)度,選取適應(yīng)度更大的節(jié)點(diǎn)依次加入相應(yīng)社區(qū),進(jìn)而完成網(wǎng)絡(luò)社區(qū)劃分,最后融合K-means算法優(yōu)秀思想,對(duì)得到的劃分結(jié)果進(jìn)行迭代計(jì)算直至社區(qū)結(jié)構(gòu)達(dá)到穩(wěn)定狀態(tài)。需要特別指出的是,一部分復(fù)雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法大多針對(duì)網(wǎng)絡(luò)中重要節(jié)點(diǎn)為核心,進(jìn)而進(jìn)行社區(qū)拓展,當(dāng)處理核心節(jié)點(diǎn)不明晰的網(wǎng)絡(luò)時(shí),劃分的結(jié)構(gòu)很難得到保證,本文提出的方法考首先運(yùn)用譜聚類算法對(duì)當(dāng)前網(wǎng)絡(luò)社區(qū)結(jié)果進(jìn)行預(yù)處理,克服了上述情況,使網(wǎng)絡(luò)結(jié)構(gòu)初始劃分得到保證,同時(shí)由于在譜聚類算法過程中使用特征間隙求出初始聚類個(gè)數(shù),社區(qū)結(jié)構(gòu)有一定的效率做保證,因此,可根據(jù)初始劃分社區(qū)數(shù)目作為一個(gè)合理的預(yù)選擇參考值,同樣避免K—means算法在不知曉社區(qū)劃分個(gè)數(shù)參數(shù)K的情況下帶來的效率問題,并在此基礎(chǔ)上運(yùn)用Page Rank、節(jié)點(diǎn)適應(yīng)度等參考指標(biāo)對(duì)重要節(jié)點(diǎn)的選擇及社區(qū)合并算法進(jìn)一步優(yōu)化,進(jìn)而完善社區(qū)結(jié)構(gòu)。
【關(guān)鍵詞】：復(fù)雜網(wǎng)絡(luò) 社區(qū)相似 層次聚類 k-means算法 社區(qū)發(fā)現(xiàn) 重要結(jié)點(diǎn)評(píng)估
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：O157.5;TP311.13
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-17
• 1.1 研究背景及意義9-10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀10-15
• 1.3 本文主要工作15
• 1.4 本文組織架構(gòu)15-17
• 第2章 復(fù)雜網(wǎng)絡(luò)與社區(qū)發(fā)現(xiàn)相關(guān)理論17-28
• 2.1 復(fù)雜網(wǎng)絡(luò)的簡(jiǎn)介17-19
• 2.1.1 復(fù)雜網(wǎng)絡(luò)的概念17
• 2.1.2 復(fù)雜網(wǎng)絡(luò)的發(fā)展歷程17-19
• 2.2 復(fù)雜網(wǎng)絡(luò)的特性19-23
• 2.2.1 復(fù)雜性19-20
• 2.2.2 小世界特性20-21
• 2.2.3 無標(biāo)度特性21-22
• 2.2.4 中心性特性22-23
• 2.3 社區(qū)發(fā)現(xiàn)23-25
• 2.3.1 社區(qū)結(jié)構(gòu)23-24
• 2.3.2 社區(qū)結(jié)構(gòu)評(píng)價(jià)指標(biāo)24-25
• 2.4 社區(qū)發(fā)現(xiàn)算法25-27
• 2.4.1 GN算法25
• 2.4.2 Kernighan-Lin算法25-26
• 2.4.3 LFK算法26-27
• 2.4.4 譜平分算法27
• 2.5 本章小結(jié)27-28
• 第3章 局部相似性聚類預(yù)處理的社區(qū)發(fā)現(xiàn)算法28-39
• 3.1 研究背景28-29
• 3.2 局部相似性聚類預(yù)處理算法相關(guān)概念29-35
• 3.2.1 聚類分析與社區(qū)劃分的聯(lián)系29
• 3.2.2 相似性度量方法29-31
• 3.2.3 相關(guān)聚類算法31-33
• 3.2.4 特征間隙33
• 3.2.5 PageRank參考參考指標(biāo)33-34
• 3.2.6 適應(yīng)度與fit函數(shù)34-35
• 3.3 局部相似性聚類預(yù)處理算法35-38
• 3.3.1 算法思想35-37
• 3.3.2 算法過程37-38
• 3.3.3 算法總結(jié)38
• 3.4 本章小結(jié)38-39
• 第4章 局部相似聚類預(yù)處理算法實(shí)驗(yàn)39-47
• 4.1 模塊度與純凈度39-40
• 4.2 海豚數(shù)據(jù)集40-42
• 4.3 空手道俱樂部數(shù)據(jù)集42-43
• 4.4 美國(guó)大學(xué)橄欖球數(shù)據(jù)集43-46
• 4.5 本章小結(jié)46-47
• 第5章 總結(jié)與展望47-49
• 5.1 本文總結(jié)47
• 5.2 研究展望47-49
• 參考文獻(xiàn)49-52
• 作者簡(jiǎn)介及在學(xué)期間所獲得的科研成果52-53
• 致謝53

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 韓進(jìn);;算法淺說[J];廣西教育學(xué)院學(xué)報(bào);2008年04期

2 王貴竹;一種產(chǎn)生單向分解值的算法[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年03期

3 高廣尚;蔣泰;;ISO 18000-6 Type C中的防沖突機(jī)制分析[J];廣西科學(xué)院學(xué)報(bào);2008年04期

4 石連栓;離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)算法研究綜述[J];天津職業(yè)技術(shù)師范學(xué)院學(xué)報(bào);2001年01期

5 張宏哲;;FFT算法的一種改進(jìn)[J];長(zhǎng)安大學(xué)學(xué)報(bào)(自然科學(xué)版);1988年01期

6 范曉平;;最小生成樹(MST)的“分級(jí)選樹”算法[J];西南交通大學(xué)學(xué)報(bào);1983年01期

7 劉志奎;劉慶民;;零件矩形邊界框區(qū)域自動(dòng)提取算法及應(yīng)用[J];光學(xué)技術(shù);2012年02期

8 戴光明;張全元;包建全;;一種車型特征提取的新算法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2009年10期

9 李躍波;王麗珍;;AUCBoost算法處理不平衡分類問題[J];云南大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年S2期

10 顧翔,徐克t，

本文編號(hào)：367016