局部拓展類重疊社區(qū)發(fā)現(xiàn)算法研究
發(fā)布時間:2023-03-28 19:02
隨著互聯(lián)網(wǎng)在現(xiàn)代生活中的普及,現(xiàn)實世界中的許多事物都以網(wǎng)絡(luò)的形態(tài)存在,重疊社區(qū)發(fā)現(xiàn)算法可以幫助我們更好地理解網(wǎng)絡(luò)的結(jié)構(gòu)特征。目前重疊社區(qū)發(fā)現(xiàn)算法總體可以分為全局劃分和局部擴展兩大類。本文主要對局部擴展類的重疊社區(qū)發(fā)現(xiàn)算法進行研究,針對現(xiàn)有算法在劃分結(jié)果的準確性、穩(wěn)定性和算法運行時間等方面存在的一些不足進行研究,提出多種改進算法。本文的主要研究工作及貢獻如下:(1)針對現(xiàn)有算法劃分結(jié)果在準確性和穩(wěn)定性方面的不足,提出了一種基于K-核迭代因子和社區(qū)隸屬度的重疊社區(qū)發(fā)現(xiàn)算法(KIMDOC)。首先,該算法引入一種節(jié)點重要性評估方法K-核迭代因子,同時引入節(jié)點密度的概念得到節(jié)點局部影響力的計算公式,利用這兩種方法來計算節(jié)點影響力,并依據(jù)節(jié)點影響力選擇種子節(jié)點,作為初始社區(qū)。其次,基于節(jié)點影響力提出一種新的社區(qū)隸屬度函數(shù),利用該社區(qū)隸屬度函數(shù)基礎(chǔ)上,以初始社區(qū)為核心,逐步進行局部擴展,因不同的社區(qū)間會有交集,故KIMDOC算法可以發(fā)現(xiàn)重疊社區(qū)。最后,對重疊度高的社區(qū)和孤立節(jié)點進行處理,得到最終的劃分結(jié)果。(2)為了提高KIMDOC算法的運行效率,提出了一種基于完全圖和社區(qū)隸屬度的重疊社區(qū)發(fā)現(xiàn)算法(...
【文章頁數(shù)】:64 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
英文摘要
1 緒論
1.1 研究背景和研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 本文主要研究內(nèi)容和創(chuàng)新點
1.4 文章組織架構(gòu)
2 相關(guān)理論
2.1 復(fù)雜網(wǎng)絡(luò)概述
2.2 復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)特征
2.2.1 規(guī)則網(wǎng)絡(luò)結(jié)構(gòu)
2.2.2 小世界特性
2.2.3 聚類系數(shù)
2.3 社區(qū)的概念及評價指標
2.3.1 社區(qū)的相關(guān)定義
2.3.2 社區(qū)的評價標準
2.4 局部擴展類算法
2.4.1 算法基本過程
2.4.2 時間復(fù)雜度分析
2.5 K-核分解算法
2.6 本章小結(jié)
3 基于K-核迭代因子和社區(qū)隸屬度的重疊社區(qū)發(fā)現(xiàn)算法
3.1 種子節(jié)點選擇的改進
3.1.1 節(jié)點影響力計算
3.1.2 種子節(jié)點選擇
3.2 社區(qū)隸屬度
3.2.1 鄰接節(jié)點集的影響力
3.2.2 節(jié)點在社區(qū)中的影響力
3.3 算法局部擴展過程
3.4 算法描述
3.5 算法分析
3.6 實驗分析
3.6.1 實驗數(shù)據(jù)
3.6.2 實驗參數(shù)選擇
3.6.3 真實網(wǎng)絡(luò)結(jié)果對比
3.6.4 人工基準網(wǎng)絡(luò)結(jié)果對比
3.7 本章小結(jié)
4 基于完全圖和社區(qū)隸屬度的重疊社區(qū)發(fā)現(xiàn)算法
4.1 種子節(jié)點選擇
4.2 形成初始社區(qū)
4.3 算法局部擴展
4.4 算法描述
4.5 算法分析
4.6 實驗分析
4.6.1 實驗數(shù)據(jù)
4.6.2 實驗參數(shù)選擇
4.6.3 真實網(wǎng)絡(luò)結(jié)果對比
4.6.4 人工基準網(wǎng)絡(luò)結(jié)果對比
4.7 本章小結(jié)
5 基于K-核迭代因子和完全圖的重疊社區(qū)發(fā)現(xiàn)算法
5.1 種子節(jié)點選擇
5.2 算法局部擴展過程
5.3 算法描述
5.4 算法分析
5.5 實驗分析
5.5.1 實驗數(shù)據(jù)
5.5.2 真實網(wǎng)絡(luò)結(jié)果對比
5.5.3 人工基準網(wǎng)絡(luò)結(jié)果對比
5.6 本章小結(jié)
6 總結(jié)和展望
6.1 總結(jié)
6.2 展望
參考文獻
附錄
A.作者在攻讀學(xué)位期間發(fā)表的論文目錄
B.學(xué)位論文數(shù)據(jù)集
致謝
本文編號:3773101
【文章頁數(shù)】:64 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
英文摘要
1 緒論
1.1 研究背景和研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 本文主要研究內(nèi)容和創(chuàng)新點
1.4 文章組織架構(gòu)
2 相關(guān)理論
2.1 復(fù)雜網(wǎng)絡(luò)概述
2.2 復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)特征
2.2.1 規(guī)則網(wǎng)絡(luò)結(jié)構(gòu)
2.2.2 小世界特性
2.2.3 聚類系數(shù)
2.3 社區(qū)的概念及評價指標
2.3.1 社區(qū)的相關(guān)定義
2.3.2 社區(qū)的評價標準
2.4 局部擴展類算法
2.4.1 算法基本過程
2.4.2 時間復(fù)雜度分析
2.5 K-核分解算法
2.6 本章小結(jié)
3 基于K-核迭代因子和社區(qū)隸屬度的重疊社區(qū)發(fā)現(xiàn)算法
3.1 種子節(jié)點選擇的改進
3.1.1 節(jié)點影響力計算
3.1.2 種子節(jié)點選擇
3.2 社區(qū)隸屬度
3.2.1 鄰接節(jié)點集的影響力
3.2.2 節(jié)點在社區(qū)中的影響力
3.3 算法局部擴展過程
3.4 算法描述
3.5 算法分析
3.6 實驗分析
3.6.1 實驗數(shù)據(jù)
3.6.2 實驗參數(shù)選擇
3.6.3 真實網(wǎng)絡(luò)結(jié)果對比
3.6.4 人工基準網(wǎng)絡(luò)結(jié)果對比
3.7 本章小結(jié)
4 基于完全圖和社區(qū)隸屬度的重疊社區(qū)發(fā)現(xiàn)算法
4.1 種子節(jié)點選擇
4.2 形成初始社區(qū)
4.3 算法局部擴展
4.4 算法描述
4.5 算法分析
4.6 實驗分析
4.6.1 實驗數(shù)據(jù)
4.6.2 實驗參數(shù)選擇
4.6.3 真實網(wǎng)絡(luò)結(jié)果對比
4.6.4 人工基準網(wǎng)絡(luò)結(jié)果對比
4.7 本章小結(jié)
5 基于K-核迭代因子和完全圖的重疊社區(qū)發(fā)現(xiàn)算法
5.1 種子節(jié)點選擇
5.2 算法局部擴展過程
5.3 算法描述
5.4 算法分析
5.5 實驗分析
5.5.1 實驗數(shù)據(jù)
5.5.2 真實網(wǎng)絡(luò)結(jié)果對比
5.5.3 人工基準網(wǎng)絡(luò)結(jié)果對比
5.6 本章小結(jié)
6 總結(jié)和展望
6.1 總結(jié)
6.2 展望
參考文獻
附錄
A.作者在攻讀學(xué)位期間發(fā)表的論文目錄
B.學(xué)位論文數(shù)據(jù)集
致謝
本文編號:3773101
本文鏈接:http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/3773101.html
最近更新
教材專著