本文選題：社團(tuán)探測(cè) + 動(dòng)態(tài)系統(tǒng)��； 參考：《中國(guó)科學(xué):數(shù)學(xué)》2017年02期

【摘要】：社團(tuán)探測(cè)技術(shù)對(duì)于理解和分析現(xiàn)實(shí)世界網(wǎng)絡(luò)具有非常重要的意義.本文提出了一種新的動(dòng)態(tài)社團(tuán)探測(cè)算法,利用迭代技術(shù)高效而準(zhǔn)確地揭示網(wǎng)絡(luò)中的社團(tuán)結(jié)構(gòu).首先引入一種新型的基于離散時(shí)間的動(dòng)態(tài)系統(tǒng),描述社團(tuán)歸屬的從隨機(jī)狀態(tài)到最優(yōu)劃分的演化軌跡,進(jìn)一步利用嚴(yán)格的數(shù)學(xué)分析找出了社團(tuán)歸屬收斂到最優(yōu)的條件.另外,本文還創(chuàng)新性地提出了劃分指標(biāo)函數(shù)的一般化形式,通過(guò)選擇不同的參數(shù),可以引申到幾乎所有著名的指標(biāo)函數(shù).本文算法非常高效,計(jì)算復(fù)雜度分析顯示算法需要的時(shí)間與稀疏網(wǎng)絡(luò)節(jié)點(diǎn)的數(shù)量呈線性關(guān)系.除此之外,為了確定社團(tuán)的最優(yōu)數(shù)目,本文利用Markov狀態(tài)轉(zhuǎn)移矩陣及其特征系統(tǒng)給出了具體而嚴(yán)格的求解證明.最后,本文將算法應(yīng)用到人工網(wǎng)絡(luò)和實(shí)際網(wǎng)絡(luò)中,結(jié)果顯示算法不僅具有極高的準(zhǔn)確性,還能夠揭示很多有用的隱藏信息,如層次結(jié)構(gòu)和社團(tuán)交互模式等.
[Abstract]:Community detection technology is very important for understanding and analyzing real world networks. In this paper, a new dynamic community detection algorithm is proposed. The iterative technique is used to efficiently and accurately reveal the community structure in the network. Firstly, a new discrete time based dynamic system is introduced to describe the evolution of community attribution from random state to optimal partition, and the condition of community attribution converging to the optimum is found by strict mathematical analysis. In addition, this paper creatively proposes a general form of partitioning index functions, which can be extended to almost all famous index functions by selecting different parameters. The computational complexity analysis shows that the time required by the algorithm is linearly related to the number of sparse network nodes. In addition, in order to determine the optimal number of communities, a concrete and strict proof is given by using the Markov state transition matrix and its characteristic system. Finally, the algorithm is applied to artificial network and real network. The result shows that the algorithm not only has high accuracy, but also can reveal a lot of useful hidden information, such as hierarchical structure and community interaction mode.
【作者單位】： 中央財(cái)經(jīng)大學(xué)管理科學(xué)與工程學(xué)院;中國(guó)科學(xué)院數(shù)學(xué)與系統(tǒng)科學(xué)研究院;

【相似文獻(xiàn)】

相關(guān)會(huì)議論文 前3條

1 唐文杰;駱志剛;陸斌;李聰;;一種基于高光譜壓縮數(shù)據(jù)的亞像元級(jí)目標(biāo)探測(cè)算法[A];中國(guó)通信學(xué)會(huì)第六屆學(xué)術(shù)年會(huì)論文集（下）[C];2009年

2 陳南;;智能建筑中火災(zāi)信息探測(cè)算法分析及應(yīng)用[A];中國(guó)儀器儀表學(xué)會(huì)測(cè)控技術(shù)在資源節(jié)約和環(huán)境保護(hù)中的應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2001年

3 張輝;李國(guó)輝;陳俊;;一種基于新聞要素建模的新事件探測(cè)方法[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2011)論文集【oral】[C];2011年

相關(guān)重要報(bào)紙文章 前1條

1 摩托羅拉公司提供;信號(hào)探測(cè)算法 提高藍(lán)牙性能 降低干擾[N];電子資訊時(shí)報(bào);2002年

相關(guān)碩士學(xué)位論文 前8條

1 陳曉燕;基于多級(jí)探測(cè)算法的人體意外跌倒檢測(cè)裝置的開發(fā)[D];新疆大學(xué);2015年

2 藍(lán)方宇;基于微攝動(dòng)與步態(tài)特征的人體探測(cè)算法研究[D];電子科技大學(xué);2014年

3 沈曉敏;光學(xué)分子影像仿真平臺(tái)中探測(cè)算法的研究與實(shí)現(xiàn)[D];西安電子科技大學(xué);2012年

4 呂曾望;非授權(quán)局域網(wǎng)拓?fù)涮綔y(cè)算法的研究與實(shí)現(xiàn)[D];國(guó)防科學(xué)技術(shù)大學(xué);2004年

5 秦薇薇;基于紅外視頻的火災(zāi)探測(cè)算法研究[D];西安建筑科技大學(xué);2012年

6 馬磊;大規(guī)模網(wǎng)絡(luò)社團(tuán)探測(cè)算法應(yīng)用[D];華東師范大學(xué);2012年

7 彭罡;強(qiáng)光背景下小目標(biāo)探測(cè)算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2007年

8 胡強(qiáng);基于FPGA的紫外放電目標(biāo)探測(cè)算法研究與實(shí)現(xiàn)[D];南京理工大學(xué);2013年

，

本文編號(hào)：1977203