本文關鍵詞：基于自組織神經(jīng)網(wǎng)的復雜網(wǎng)絡社區(qū)發(fā)現(xiàn)研究

  更多相關文章： 復雜網(wǎng)絡 社區(qū)發(fā)現(xiàn) 緊密團 自組織神經(jīng)網(wǎng)絡

【摘要】：復雜網(wǎng)絡理論是人們認識世界的時候創(chuàng)造的一個系統(tǒng)性的理論，因此復雜網(wǎng)絡可以看作是現(xiàn)實世界的一個抽象，對復雜網(wǎng)絡理論的研究也一直受到自然科學界和數(shù)學界的研究人員的重點關注，其中，因為社區(qū)結構是普遍存在于其中的一個結構特性，研究社區(qū)結構發(fā)現(xiàn)方法對復雜網(wǎng)絡理論發(fā)展有重大的意義，所以復雜網(wǎng)絡中的社區(qū)結構發(fā)現(xiàn)算法研究一直受到了各個領域研究者的持續(xù)關注。但是該問題迄今并沒有得到完美的解決，特別是對重疊社區(qū)結構的研究，給這一領域的研究帶來了新的挑戰(zhàn)。 本文從復雜網(wǎng)絡的社區(qū)結構發(fā)現(xiàn)的研究背景及意義出發(fā)，查看了大量的國內(nèi)外相關文獻，對該領域的研究現(xiàn)狀有了大致的梳理。其次介紹了復雜網(wǎng)絡理論的歷史進程以及相關概念。再次，本文還對社區(qū)概念和社區(qū)結構發(fā)現(xiàn)算法的評價指標進行了探討，并從幾個代表算法出發(fā)，探討了當前對社區(qū)發(fā)現(xiàn)研究的進展和不足。最后本文還重點介紹了自組織神經(jīng)網(wǎng)絡理論，從競爭學習出發(fā)，，到自組織特征映射圖模型，突出了自組織神經(jīng)網(wǎng)絡具有優(yōu)良的拓撲結構保持和概率保持特性。 針對當前重疊社區(qū)結構發(fā)現(xiàn)算法的不足，本文考慮到社區(qū)結構的真正組成元素不是節(jié)點而是網(wǎng)絡中的邊，提出了邊的緊密團概念，并用邊的緊密團來構造邊向量，以期更準確的表述網(wǎng)絡中的邊所蘊含的真正信息。為了去除在社區(qū)發(fā)現(xiàn)過程中無用的邊界邊，本文基于邊的緊密團概念提出了一種新的邊界邊的識別方法。以此為基礎，本文提出了基于邊向量思想的重疊社區(qū)發(fā)現(xiàn)算法EVKM，結合k-means算法的思想，來發(fā)現(xiàn)網(wǎng)絡中的重疊社區(qū)結構。另外，考慮到神經(jīng)網(wǎng)絡優(yōu)良的拓撲保持特性和概率保持特性，本文還提出了一種自組織神經(jīng)網(wǎng)絡和邊向量結合的重疊社區(qū)結構發(fā)現(xiàn)算法SOMEV。 最后，本文設計了多組實驗來驗證我們提出的算法的有效性，首先本文實驗對比了邊向量的正規(guī)化對算法運行結果的影響，然后，本文還對比了不同邊歸屬值對社區(qū)結構發(fā)現(xiàn)準確率的影響，最后，我們還在人工網(wǎng)絡和真實網(wǎng)絡上分別對比了我們提出的算法和一些經(jīng)典的社區(qū)發(fā)現(xiàn)算法的運行結果。通過對比實驗，表明基于邊向量思想的重疊社區(qū)結構識別算法在識別重疊社區(qū)結構任務中較經(jīng)典算法有明顯的優(yōu)勢，另外，自組織神經(jīng)網(wǎng)絡的拓撲保持特性和概率保持特性也有助于提高重疊社區(qū)結構發(fā)現(xiàn)的準確性。
【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：O157.5;TP183

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 潘磊;金杰;王崇駿;謝俊元;;社會網(wǎng)絡中基于局部信息的邊社區(qū)挖掘[J];電子學報;2012年11期

本文編號：1163857