本文關(guān)鍵詞：符號(hào)網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法研究　出處：《燕山大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 符號(hào)網(wǎng)絡(luò) 加權(quán)符號(hào)網(wǎng)絡(luò) 社區(qū)發(fā)現(xiàn) 權(quán)重計(jì)數(shù)器 模塊度

【摘要】：真實(shí)世界的很多復(fù)雜系統(tǒng)都可以用網(wǎng)絡(luò)來(lái)刻畫,比如,神經(jīng)網(wǎng)絡(luò)、社會(huì)網(wǎng)絡(luò)等都屬于復(fù)雜網(wǎng)絡(luò)。最近幾年,關(guān)于社會(huì)網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)在國(guó)內(nèi)外掀起了一股熱潮,社會(huì)網(wǎng)絡(luò)是指社會(huì)成員之間因互動(dòng)等行為而形成的一種相對(duì)穩(wěn)定的關(guān)系體系。這些網(wǎng)絡(luò)通常都具有一個(gè)共同的特征社區(qū)結(jié)構(gòu),社區(qū)結(jié)構(gòu)表現(xiàn)為將網(wǎng)絡(luò)劃分為大小不均的若干個(gè)社區(qū)。符號(hào)網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)要保住社區(qū)內(nèi)部主要是正連接,社區(qū)之間主要是負(fù)連接。本文致力于社會(huì)網(wǎng)絡(luò)中符號(hào)網(wǎng)絡(luò)的社區(qū)劃分算法研究,提出了適用于符號(hào)網(wǎng)絡(luò)及加權(quán)的符號(hào)網(wǎng)絡(luò)社區(qū)劃分算法。首先,分析了符號(hào)網(wǎng)絡(luò)基本結(jié)構(gòu)特征,對(duì)社區(qū)劃分算法分類分析,并深入地分析了幾種經(jīng)典的社區(qū)劃分算法,對(duì)其有了充分的認(rèn)識(shí)。其次,針對(duì)Tushar Sharma等人提出的加權(quán)符號(hào)網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法在第二階段對(duì)未聚類節(jié)點(diǎn)再聚類時(shí)存在的問(wèn)題,改進(jìn)算法對(duì)未聚類節(jié)點(diǎn)再聚類時(shí)沒(méi)有全面考慮鄰居節(jié)點(diǎn)的聚類情況的問(wèn)題,使用模塊度來(lái)評(píng)價(jià)劃分結(jié)果。再次,針對(duì)把算法應(yīng)用于符號(hào)網(wǎng)絡(luò)中當(dāng)選擇不同的節(jié)點(diǎn)作為初始節(jié)點(diǎn)時(shí),網(wǎng)絡(luò)最終劃分的社區(qū)結(jié)構(gòu)不同,即算法存在不穩(wěn)定性,提出初始點(diǎn)選擇算法。當(dāng)把算法拓展到普通全正網(wǎng)絡(luò)時(shí),可能生成許多節(jié)點(diǎn)數(shù)目比較少的社區(qū),因此引入聚類密度和聚類的連接系數(shù)提高社區(qū)劃分的效率,使其在符號(hào)網(wǎng)絡(luò)中的劃分結(jié)果更合理。最后,通過(guò)仿真實(shí)驗(yàn)對(duì)改進(jìn)的算法在真實(shí)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)驗(yàn)證,通過(guò)模塊度、錯(cuò)誤率和挫敗值驗(yàn)證算法的有效性與準(zhǔn)確性。
[Abstract]:Many complex systems in the real world can be described by network, for example, neural network, social network and so on belong to complex networks. In recent years, the community on social networks has aroused a wave of fever at home and abroad. Social network is a relatively stable relationship system formed by interaction among social members. These networks usually have a common characteristic community structure. The community structure shows that the network is divided into a number of communities with uneven size. The community structure of symbolic network is mainly positive connection within the community. There are mainly negative connections between communities. In this paper, we focus on the community partition algorithm of symbolic networks in social networks, and propose a symbolic network community partition algorithm which is suitable for symbolic networks and weighted symbol networks. First of all. This paper analyzes the basic structural characteristics of symbolic network, classifies and analyzes the community partition algorithm, and deeply analyzes several classical community partition algorithms, and has a full understanding of them. Secondly. The problems of community discovery algorithm of weighted symbol network proposed by Tushar Sharma in the second phase of the unclustered nodes are discussed. The improved algorithm does not fully consider the clustering of neighbor nodes when the unclustered nodes are reclustered, and the modular degree is used to evaluate the partition results. When different nodes are selected as initial nodes, the community structure of the network is different, that is, the algorithm is unstable. An initial point selection algorithm is proposed. When the algorithm is extended to the normal full positive network, many communities with fewer nodes may be generated, so the clustering density and the connection coefficient of clustering are introduced to improve the efficiency of community division. Finally, the improved algorithm is verified on the real data set by simulation experiments, and the module degree is adopted. Error rate and defeat value verify the validity and accuracy of the algorithm.
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：O157.5

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李娜;張靜;李藺;;復(fù)雜網(wǎng)絡(luò)多層次聚類抽象可視化方法研究[J];中南林業(yè)科技大學(xué)學(xué)報(bào);2011年11期

2 楊運(yùn)澤;劉夫云;鄧艷容;;基于復(fù)雜網(wǎng)絡(luò)邊介數(shù)集聚特性的模塊劃分方法研究[J];中國(guó)科技信息;2013年10期

3 劉元?jiǎng)?胡啟迪;;復(fù)雜網(wǎng)絡(luò)社區(qū)分解中模塊度的設(shè)計(jì)與分析[J];電腦知識(shí)與技術(shù);2011年06期

4 姚燦中;楊建梅;;復(fù)雜網(wǎng)絡(luò)分形的盒維數(shù)改進(jìn)算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年08期

5 張聰;沈惠璋;;復(fù)雜網(wǎng)絡(luò)中社團(tuán)發(fā)現(xiàn)的快速劃分算法[J];系統(tǒng)工程;2011年04期

6 張健沛;李泓波;楊靜;白勁波;張樂(lè)君;初妍;;基于歸屬不確定性的變規(guī)模網(wǎng)絡(luò)重疊社區(qū)識(shí)別[J];電子學(xué)報(bào);2012年12期

7 程蘇琦;沈華偉;張國(guó)清;程學(xué)旗;;符號(hào)網(wǎng)絡(luò)研究綜述[J];軟件學(xué)報(bào);2014年01期

8 S.Boccaletti;V.Latora;Y.Moreno;M.Chavezf;D.-U.Hwang;方愛(ài)麗;趙繼軍;;復(fù)雜網(wǎng)絡(luò):結(jié)構(gòu)和動(dòng)力學(xué)[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2007年01期

9 張路;汪非;;廣電IP網(wǎng)絡(luò)概述及安全優(yōu)化[J];天津科技;2011年03期

10 ;[J];;年期

相關(guān)會(huì)議論文 前2條

1 張弋;;基于MSTP傳輸網(wǎng)DCN網(wǎng)絡(luò)分割的研究[A];2012年云南電力技術(shù)論壇論文集（文摘部分）[C];2012年

2 張弋;;基于MSTP傳輸網(wǎng)DCN網(wǎng)絡(luò)分割的研究[A];2012年云南電力技術(shù)論壇論文集[C];2012年

相關(guān)重要報(bào)紙文章 前1條

1 蘇寧云商副董事長(zhǎng) 孫為民;不能把實(shí)體與網(wǎng)絡(luò)分割[N];中華合作時(shí)報(bào);2013年

相關(guān)博士學(xué)位論文 前2條

1 楊顏博;網(wǎng)絡(luò)糾錯(cuò)碼在zig-zag網(wǎng)絡(luò)中的研究[D];西安電子科技大學(xué);2014年

2 牛長(zhǎng)喜;復(fù)雜網(wǎng)絡(luò)中的網(wǎng)絡(luò)免疫方法研究[D];電子科技大學(xué);2012年

相關(guān)碩士學(xué)位論文 前8條

1 李冰杰;基于進(jìn)化算法的復(fù)雜網(wǎng)絡(luò)社區(qū)檢測(cè)[D];西安電子科技大學(xué);2014年

2 柳林林;符號(hào)網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法研究[D];燕山大學(xué);2016年

3 李佳佳;復(fù)雜網(wǎng)絡(luò)的自相似性研究[D];西安理工大學(xué);2010年

4 李天華;加權(quán)復(fù)雜網(wǎng)絡(luò)的病毒傳播和免疫策略研究[D];廣西師范大學(xué);2010年

5 李爭(zhēng)光;復(fù)雜網(wǎng)絡(luò)中的社團(tuán)發(fā)現(xiàn)算法研究[D];上海交通大學(xué);2012年

6 林豫暉;無(wú)線Ad Hoc網(wǎng)絡(luò)移動(dòng)控制算法的研究與實(shí)現(xiàn)[D];西安電子科技大學(xué);2007年

7 O@冉;內(nèi)蒙古聯(lián)通IP網(wǎng)絡(luò)優(yōu)化方案設(shè)計(jì)與實(shí)施[D];內(nèi)蒙古大學(xué);2011年

8 葉東華;適應(yīng)網(wǎng)絡(luò)變結(jié)構(gòu)的復(fù)雜環(huán)網(wǎng)最小斷點(diǎn)集研究[D];華北電力大學(xué)（北京）;2011年

，

本文編號(hào)：1399271