現(xiàn)實(shí)世界中存在許多不同類(lèi)型的復(fù)雜網(wǎng)絡(luò),它們都蘊(yùn)含著各自?xún)?nèi)在的社團(tuán)結(jié)構(gòu)。社團(tuán)檢測(cè)算法可幫助我們發(fā)現(xiàn)復(fù)雜網(wǎng)絡(luò)的內(nèi)在結(jié)構(gòu)與拓?fù)涮卣鳌Ｄ壳耙延卸喾N社團(tuán)檢測(cè)算法被提出,因其巨大的實(shí)用價(jià)值而被廣泛應(yīng)用于現(xiàn)實(shí)生活的各個(gè)領(lǐng)域。大多數(shù)社團(tuán)檢測(cè)算法都是基于相似度度量或模塊度最大化而提出的。而基于相似度的社團(tuán)檢測(cè)算法面臨輸入?yún)?shù)難以確定以及對(duì)特定復(fù)雜網(wǎng)絡(luò)無(wú)法準(zhǔn)確劃分的問(wèn)題;基于模塊度最大化的社團(tuán)檢測(cè)算法尋找最優(yōu)劃分的時(shí)間復(fù)雜度非常高,并且在很多情況下,最大的模塊度不一定對(duì)應(yīng)網(wǎng)絡(luò)的真實(shí)劃分。為了解決此問(wèn)題,本文致力于提出快速的、精確的社團(tuán)檢測(cè)算法。本文首先從鄰居節(jié)點(diǎn)間關(guān)系入手,提出了一種新的相似性度量方式。不同于傳統(tǒng)相似度,此相似度除考慮節(jié)點(diǎn)間的公共鄰居外,還考慮了節(jié)點(diǎn)間的互斥程度。從而,它能更加客觀、全面地從節(jié)點(diǎn)結(jié)構(gòu)出發(fā)反映節(jié)點(diǎn)間的相似程度。然后,為了快速、準(zhǔn)確地找到不同社團(tuán)中的核心節(jié)點(diǎn),本文基于節(jié)點(diǎn)對(duì)其鄰居的影響,定義了一種新的局部密度計(jì)算方式,并將社團(tuán)中局部密度最大的節(jié)點(diǎn)定義為此社團(tuán)的核心節(jié)點(diǎn)。該密度計(jì)算方式認(rèn)為,一個(gè)節(jié)點(diǎn)的密度是其對(duì)所有鄰居節(jié)點(diǎn)的影響力之和。節(jié)點(diǎn)影響力越大,其密度就越大,對(duì)其他節(jié)點(diǎn)吸引...

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.1蛋白質(zhì)-蛋白質(zhì)相互作用網(wǎng)絡(luò)可以說(shuō)，社團(tuán)檢測(cè)在商業(yè)、安全以及學(xué)術(shù)領(lǐng)域都有很大的作用

基于節(jié)點(diǎn)間鄰居關(guān)系的社團(tuán)檢測(cè)算法研究-2-但如果將這些數(shù)據(jù)收集匯總并經(jīng)過(guò)處理分析，就可以將看似沒(méi)有任何關(guān)聯(lián)的成員進(jìn)行分類(lèi)，找到具有相同屬性的社團(tuán)成員。由于處在同一社團(tuán)中的個(gè)體聯(lián)系較為緊密，所以這些個(gè)體必定有相似之處。針對(duì)這一特點(diǎn)，系統(tǒng)可以對(duì)已劃分好的社團(tuán)成員提供千人千面的個(gè)性化服....

圖3.1節(jié)點(diǎn)間相似度計(jì)算舉例所用網(wǎng)絡(luò)

蘭州交通大學(xué)工程碩士學(xué)位論文居數(shù)，其中，min(,)uvdd為節(jié)點(diǎn)u和節(jié)點(diǎn)v中較小度者。兩個(gè)相鄰節(jié)點(diǎn)u,vV間的互斥度Exclusion(u,v)計(jì)算方法如公式(3.2)所示。(,)=min(,)1(,)uvExclusionuvddCNuv(3.2)在網(wǎng)絡(luò)G(V,E)中，根據(jù)節(jié)....

圖3.3CDRN算法劃分過(guò)程示例圖

基于節(jié)點(diǎn)間鄰居關(guān)系的社團(tuán)檢測(cè)算法研究3的小社團(tuán)，算法將小社團(tuán)二次合并，將所有節(jié)點(diǎn)數(shù)小于3的小社團(tuán)合并到與之連接最多的社團(tuán)中。至此完成網(wǎng)絡(luò)劃分，獲得最終社團(tuán)結(jié)構(gòu)。算法3.3為本算法第三小節(jié)和第四小節(jié)的偽代碼。圖3.3以RiakMap網(wǎng)絡(luò)為例，具體展示了CDRN算法的劃分網(wǎng)絡(luò)過(guò)程。圖....

圖4.1LPA算法思想示意圖

蘭州交通大學(xué)工程碩士學(xué)位論文圖4.1LPA算法思想示意圖(6)PPC算法PPC(PersonalizedPageRankClustering)[72]算法將隨機(jī)游走和模塊度兩種方法相結(jié)合，可以對(duì)網(wǎng)絡(luò)進(jìn)行精確有效地劃分。隨機(jī)游走適用于社團(tuán)檢測(cè)的原因?yàn)�，有限的隨機(jī)游走傾向在一個(gè)社團(tuán)內(nèi)....

本文編號(hào)：3968217