本文關(guān)鍵詞：基于復(fù)雜網(wǎng)絡(luò)的社團結(jié)構(gòu)分析算法研究

  更多相關(guān)文章： 復(fù)雜網(wǎng)絡(luò) 社區(qū)結(jié)構(gòu) 蟻群聚類 關(guān)鍵節(jié)點

【摘要】：社區(qū)結(jié)構(gòu)的研究發(fā)現(xiàn)對于理解復(fù)雜網(wǎng)絡(luò)的功能,分析節(jié)點間的關(guān)系,對復(fù)雜網(wǎng)絡(luò)拓撲結(jié)構(gòu)的理解和對網(wǎng)絡(luò)行為的預(yù)測等有著重要的意義。目前許多基于復(fù)雜網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)的分析算法已經(jīng)被提出來,然而這些算法也存在著許多不足。如需要先驗條件、聚類精度低、完成大規(guī)模的社區(qū)結(jié)構(gòu)發(fā)現(xiàn)的時間復(fù)雜度高等問題都是需要進一步研究的問題。目前針對復(fù)雜網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)的發(fā)現(xiàn)問題,采用群體智能算法去研究已經(jīng)成為熱門研究課題之一。蟻群聚類算法模型就是一種模擬螞蟻運動過程的群集智能算法。它是對螞蟻們在現(xiàn)實生活中的清理巢穴和尋找食物等行為過程的模擬。它具有動態(tài)性、自組織、高效性、聚類質(zhì)量較高、不需要先驗條件等特點。本文在國內(nèi)外學(xué)者對復(fù)雜網(wǎng)絡(luò)中社區(qū)結(jié)構(gòu)的發(fā)現(xiàn)和蟻群聚類算法的研究經(jīng)驗的基礎(chǔ)之上主要做了如下工作：(1)對于中小型網(wǎng)絡(luò),采用節(jié)點相似度機制改進適應(yīng)度局部感知函數(shù)和信息素擴散模型。開始時在二維網(wǎng)格上隨機的放置螞蟻,在聚類時螞蟻通過感知周圍環(huán)境的相似度和適應(yīng)度,決定是移動還是停留。網(wǎng)格上每一代的移動都會形成一個聚類解。同時利用信息素擴散模型,根據(jù)聚類解更新節(jié)點信息素,同時改進信息素局部更新模型,使信息素能更好的引導(dǎo)螞蟻聚類行為。同時根據(jù)螞蟻與周圍環(huán)境的適應(yīng)度來決定螞蟻的移動步長。算法不斷迭代過程中螞蟻不斷尋找合適位置最終社區(qū)結(jié)構(gòu)便在網(wǎng)格上呈現(xiàn)出來。在通用數(shù)集上,通過與一些經(jīng)典算法的比較發(fā)現(xiàn),此算法具有較好的聚類效果。(2)對于大型網(wǎng)絡(luò),復(fù)雜網(wǎng)絡(luò)的規(guī)模大,聚類方法速度慢的問題,利用網(wǎng)絡(luò)中關(guān)鍵節(jié)點對網(wǎng)絡(luò)進行抽樣。降低問題的規(guī)模。將問題轉(zhuǎn)換問小規(guī)模網(wǎng)絡(luò)。再利用上面的工作對樣本節(jié)點進行聚類。同時在算法中利用了標(biāo)簽傳播思想。最后根據(jù)剩余節(jié)點和社區(qū)的相似度,將節(jié)點分配到社區(qū)中。利用模塊度函數(shù)為指標(biāo),修正聚類結(jié)構(gòu)即可。在實驗中發(fā)現(xiàn),該方法能提高社區(qū)結(jié)構(gòu)發(fā)現(xiàn)速度并能夠得到較好質(zhì)量的聚類結(jié)果。
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：O157.5;TP18

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 ;Research on Community Structure in Bus Transport Networks[J];Communications in Theoretical Physics;2009年12期

，

本文編號：1301718