隨著互聯(lián)網(wǎng)的興起和發(fā)展,復(fù)雜網(wǎng)絡(luò)被廣泛應(yīng)用于各類網(wǎng)絡(luò)系統(tǒng)的研究。作為現(xiàn)實(shí)網(wǎng)絡(luò)系統(tǒng)的抽象表示,復(fù)雜網(wǎng)絡(luò)因其邏輯關(guān)系合理、結(jié)構(gòu)變化靈活等特點(diǎn)而成為研究網(wǎng)絡(luò)系統(tǒng)的重要對(duì)象。在當(dāng)今的發(fā)展趨勢(shì)下,針對(duì)網(wǎng)絡(luò)個(gè)體單元的排序問(wèn)題進(jìn)行研究對(duì)系統(tǒng)管理者具有重要的意義。例如,利用網(wǎng)絡(luò)中節(jié)點(diǎn)的異常度排序可以有效的發(fā)現(xiàn)錯(cuò)誤,幫助管理者進(jìn)行故障檢測(cè)和排查;社交網(wǎng)絡(luò)中用戶影響力排序,可以幫助管理者了解網(wǎng)絡(luò)的信息傳播規(guī)律,促進(jìn)傳播范圍最大化。在這些方面復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)排序算法都起著至關(guān)重要的作用。本文結(jié)合實(shí)際調(diào)研工作,針對(duì)以下兩類具有代表性的復(fù)雜網(wǎng)絡(luò)系統(tǒng)中的節(jié)點(diǎn)排序問(wèn)題進(jìn)行了研究。第一類研究對(duì)象是分布式網(wǎng)絡(luò)系統(tǒng)。在該系統(tǒng)中,信息的表現(xiàn)形式是由硬件產(chǎn)生的數(shù)據(jù)流。本研究通過(guò)對(duì)數(shù)據(jù)流進(jìn)行建模形成復(fù)雜網(wǎng)絡(luò),并在此基礎(chǔ)上對(duì)節(jié)點(diǎn)的異常度排序相關(guān)問(wèn)題進(jìn)行了研究。具體內(nèi)容為:在ARX模型的基礎(chǔ)上,利用分割回歸模型的方法[1],首先利用分割后的回歸矩陣計(jì)算出標(biāo)準(zhǔn)適應(yīng)度評(píng)分,然后通過(guò)標(biāo)準(zhǔn)適應(yīng)度評(píng)分不斷減少每一個(gè)分割部分的候選不變邊,從而在不丟失不變邊的情況下達(dá)到提升時(shí)間性能的效果。在分割回歸矩陣的算法基礎(chǔ)上提出了一種聚類算法來(lái)進(jìn)一步提升時(shí)間性能,該算法利用皮爾森系數(shù)定義了節(jié)點(diǎn)的關(guān)聯(lián)性,并使用最小割算法對(duì)網(wǎng)絡(luò)中的節(jié)點(diǎn)進(jìn)行聚類,形成了一種近似搜索方法來(lái)更有效地搜索所有節(jié)點(diǎn)之間的不變邊。在利用不變邊搜索對(duì)原始數(shù)據(jù)進(jìn)行建模之后,在論文[1]的基礎(chǔ)上,根據(jù)不變邊變化規(guī)律,利用置信傳播算法,對(duì)網(wǎng)絡(luò)中所有節(jié)點(diǎn)進(jìn)行異常度排序。這一方法對(duì)于系統(tǒng)管理者檢測(cè)網(wǎng)絡(luò)系統(tǒng)中的錯(cuò)誤從而進(jìn)行故障診斷具有重要的意義。第二類研究對(duì)象是社交網(wǎng)絡(luò)。在該類系統(tǒng)中,信息是由用戶生成的,本論文針對(duì)該類網(wǎng)絡(luò)中用戶的活躍程度相關(guān)問(wèn)題進(jìn)行了研究。具體內(nèi)容如下:在包含大量數(shù)據(jù)的社交網(wǎng)絡(luò)系統(tǒng)中,首先利用無(wú)向圖對(duì)社交網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行了建模。其次,根據(jù)節(jié)點(diǎn)的空間和時(shí)間相關(guān)性,設(shè)計(jì)出用戶初始活力評(píng)分算法,并通過(guò)迭代算法對(duì)原始的活力評(píng)分進(jìn)行處理,提升用戶的活力評(píng)分的穩(wěn)定性,利用用戶活力評(píng)分對(duì)社交網(wǎng)絡(luò)中的節(jié)點(diǎn)進(jìn)行排序。根據(jù)排序結(jié)果,以實(shí)際應(yīng)用需求為出發(fā)點(diǎn),采用了指數(shù)平滑預(yù)測(cè)算法,并在此基礎(chǔ)上根據(jù)本文提出的排序算法特點(diǎn)對(duì)該算法進(jìn)行了改進(jìn),形成了簡(jiǎn)單有效的用戶活力預(yù)測(cè)算法。通過(guò)研究,本文希望為互聯(lián)網(wǎng)領(lǐng)域的工作者提供一些優(yōu)化策略,并在生產(chǎn)中能夠得以應(yīng)用,為我國(guó)互聯(lián)網(wǎng)事業(yè)的進(jìn)一步開(kāi)發(fā)和發(fā)展創(chuàng)造理論條件。
【學(xué)位單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2018
【中圖分類】：O157.5
【部分圖文】：

合肥工業(yè)大學(xué)學(xué)位論文??型的邊。圖１．２中呈現(xiàn)了一個(gè)典型的復(fù)雜網(wǎng)絡(luò)系統(tǒng)。??ｉｉ！戶?＾??（?）??，，丫、＼??商品ｉ’ｉ點(diǎn)－——／?（＾）??川戶和商?＿ｚ??品關(guān)系－＿＋＿?、丨??圖１．１網(wǎng)絡(luò)購(gòu)物平臺(tái)中實(shí)體之間的關(guān)系示意圖??Ｆｉｇｕｒｅ?１．１?Ｄｉａｇｒａｍ?ｏｆ?ｔｈｅ?ｒｅｌａｔｉｏｎｓｈｉｐ?ｂｅｔｗｅｅｎ?ｅｎｔｉｔｉｅｓ?ｏｎｅ－ｃｏｍｍｅｒｃｅ?Ｗｅｂ?ｓｙｓｔｅｍ??ｍ．?＾?＊??圖１．２蛋白質(zhì)互相作用的網(wǎng)絡(luò)結(jié)構(gòu)圖［４Ｇ］??Ｆｉｇｕｒｅ?１．２?Ｇｒａｐｈｓ?ｏｆ?ｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎ?ｉｎｔｅｒａｃｔｉｏｎｓ＾??針對(duì)以上這些特性，對(duì)真實(shí)世界中的復(fù)雜網(wǎng)絡(luò)系統(tǒng)進(jìn)行建模，形成一個(gè)完整??數(shù)學(xué)模型，并在此基礎(chǔ)上對(duì)現(xiàn)實(shí)網(wǎng)絡(luò)系統(tǒng)進(jìn)行分析，如此能夠更加透徹地掌握其??運(yùn)作機(jī)理針對(duì)于復(fù)雜網(wǎng)絡(luò)，研宄學(xué)者一般采用圖作為數(shù)學(xué)模型。２０世紀(jì)??５０年代，在文獻(xiàn)［４１，４２］中，Ｅｒｄｓ和Ｒｄｎｙｉ建立隨機(jī)網(wǎng)絡(luò)模型，其中度分布服從泊??松分布（ＥＲ模型），這項(xiàng)工作也成為復(fù)雜網(wǎng)絡(luò)研究的重要基礎(chǔ)性工作。在此之后，??社會(huì)心理學(xué)研究者Ｍｉｌｇｒａｍ通過(guò)一個(gè)社會(huì)學(xué)實(shí)驗(yàn)證明小世界特性＿

合肥工業(yè)大學(xué)學(xué)位論文??型的邊。圖１．２中呈現(xiàn)了一個(gè)典型的復(fù)雜網(wǎng)絡(luò)系統(tǒng)。??ｉｉ！戶?＾??（?）??，，丫、＼??商品ｉ’ｉ點(diǎn)－——／?（＾）??川戶和商?＿ｚ??品關(guān)系－＿＋＿?、丨??圖１．１網(wǎng)絡(luò)購(gòu)物平臺(tái)中實(shí)體之間的關(guān)系示意圖??Ｆｉｇｕｒｅ?１．１?Ｄｉａｇｒａｍ?ｏｆ?ｔｈｅ?ｒｅｌａｔｉｏｎｓｈｉｐ?ｂｅｔｗｅｅｎ?ｅｎｔｉｔｉｅｓ?ｏｎｅ－ｃｏｍｍｅｒｃｅ?Ｗｅｂ?ｓｙｓｔｅｍ??ｍ．?＾?＊??圖１．２蛋白質(zhì)互相作用的網(wǎng)絡(luò)結(jié)構(gòu)圖［４Ｇ］??Ｆｉｇｕｒｅ?１．２?Ｇｒａｐｈｓ?ｏｆ?ｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎ?ｉｎｔｅｒａｃｔｉｏｎｓ＾??針對(duì)以上這些特性，對(duì)真實(shí)世界中的復(fù)雜網(wǎng)絡(luò)系統(tǒng)進(jìn)行建模，形成一個(gè)完整??數(shù)學(xué)模型，并在此基礎(chǔ)上對(duì)現(xiàn)實(shí)網(wǎng)絡(luò)系統(tǒng)進(jìn)行分析，如此能夠更加透徹地掌握其??運(yùn)作機(jī)理針對(duì)于復(fù)雜網(wǎng)絡(luò)，研宄學(xué)者一般采用圖作為數(shù)學(xué)模型。２０世紀(jì)??５０年代，在文獻(xiàn)［４１，４２］中，Ｅｒｄｓ和Ｒｄｎｙｉ建立隨機(jī)網(wǎng)絡(luò)模型，其中度分布服從泊??松分布（ＥＲ模型），這項(xiàng)工作也成為復(fù)雜網(wǎng)絡(luò)研究的重要基礎(chǔ)性工作。在此之后，??社會(huì)心理學(xué)研究者Ｍｉｌｇｒａｍ通過(guò)一個(gè)社會(huì)學(xué)實(shí)驗(yàn)證明小世界特性＿

呈現(xiàn)網(wǎng)絡(luò)結(jié)構(gòu)的數(shù)學(xué)模型，一般可以將復(fù)雜網(wǎng)絡(luò)的圖結(jié)構(gòu)分為兩個(gè)大類：無(wú)向圖??和有向圖。在這其中，如果邊上無(wú)權(quán)值，該圖被稱為無(wú)權(quán)圖，如果邊上存在權(quán)值，??就稱該圖為有權(quán)圖。圖１．３列出了這些網(wǎng)絡(luò)結(jié)構(gòu)的示意圖，而本文中使用無(wú)向圖??作為研宄重點(diǎn)，且假設(shè)圖模型中不存在自環(huán)和重邊問(wèn)題。??１．３復(fù)雜網(wǎng)絡(luò)中排序算法現(xiàn)狀與分析??１．３．１?基于不變邊捜索的圖建模算法??對(duì)于分布式信息系統(tǒng)，不變邊搜索一直是一種有效的建模方法。據(jù)我們所知，??信息系統(tǒng)中的“不變邊”概念最初是在文獻(xiàn)［４９］中提出的，并被廣泛應(yīng)用于大規(guī)模??系統(tǒng)管理。由于不變邊搜索成本較高，在文獻(xiàn)［２８］中Ｊｉａｎｇ等人開(kāi)發(fā)了兩種改進(jìn)的??５??
【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 高自友;趙小梅;黃海軍;毛保華;;復(fù)雜網(wǎng)絡(luò)理論與城市交通系統(tǒng)復(fù)雜性問(wèn)題的相關(guān)研究[J];交通運(yùn)輸系統(tǒng)工程與信息;2006年03期

2 周濤,柏文潔,汪秉宏,劉之景,嚴(yán)鋼;復(fù)雜網(wǎng)絡(luò)研究概述[J];物理;2005年01期

本文編號(hào)：2839929