【摘要】：復(fù)雜網(wǎng)絡(luò)的研究是近年來的一個熱點。在現(xiàn)實生活中,生物基因網(wǎng)、物聯(lián)網(wǎng)、人際關(guān)系網(wǎng)、互聯(lián)網(wǎng)等等形成了各種各樣的復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)。社區(qū)檢測的出現(xiàn)就是為了觀察復(fù)雜網(wǎng)絡(luò)的結(jié)構(gòu),研究復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)的特性。社區(qū)檢測是一個將雜亂無序的網(wǎng)絡(luò)結(jié)構(gòu)轉(zhuǎn)變成合理有效的網(wǎng)絡(luò)結(jié)構(gòu)的過程方式,其處理對象是網(wǎng)絡(luò)中的聯(lián)系、拓?fù)浣Y(jié)構(gòu)、個體等(抽象為網(wǎng)絡(luò)圖中的邊、節(jié)點等),并具有其各自的屬性(例如邊的權(quán)重、方向,節(jié)點重疊度等),社區(qū)檢測利用特定算法以及網(wǎng)絡(luò)本身的特性處理社區(qū)劃分過程。社區(qū)檢測能夠?qū)?fù)雜網(wǎng)絡(luò)結(jié)構(gòu)化,進(jìn)而幫助人們發(fā)現(xiàn)社區(qū)的內(nèi)在屬性,改進(jìn)社區(qū)的交互形式。復(fù)雜網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)和網(wǎng)絡(luò)的功能有著緊密的關(guān)系(如魯棒性、傳遞性等),因此找出網(wǎng)絡(luò)的正確社區(qū)結(jié)構(gòu)并分析相關(guān)性質(zhì)具有重要意義,基于點邊比率的模塊度社區(qū)劃分標(biāo)準(zhǔn)是目前最常用的衡量網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)劃分好壞的度量,但存在一些無法克服的問題,也存在resolution limited問題,這就需要改進(jìn)方法來提高社區(qū)劃分的準(zhǔn)確度。本論文提出了一種新的基于互信息與信息熵聯(lián)合評判的的社區(qū)檢測質(zhì)量評價方法,該方法很好地避免了resolution limited問題,將信息傳遞的有損拓?fù)鋲嚎s過程映射到社區(qū)劃分過程,利用信息量計算方法替換模塊度計算方法,大大提高了算法劃分結(jié)果的準(zhǔn)確度。并在此基礎(chǔ)上將非重疊網(wǎng)絡(luò)社區(qū)劃分方法進(jìn)一步優(yōu)化,加入重疊節(jié)點判斷機制,使其能針對重疊網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行社區(qū)劃分,得到準(zhǔn)確度較高的劃分結(jié)果。本文的研究從互信息結(jié)合信息熵的雙重角度揭示社區(qū)劃分中更深層次的本質(zhì)特征,加以建模實現(xiàn),發(fā)現(xiàn)和揭示其中的規(guī)律,并給出與其他經(jīng)典算法(例如GN算法、FastGN算法、LFM算法和CPM算法等)的實驗結(jié)果的比較和分析。
【圖文】：

計算機互聯(lián)網(wǎng)技術(shù)的發(fā)展十分迅速[1]，，帶動人類社會邁入們生活在各式各樣的復(fù)雜網(wǎng)絡(luò)當(dāng)中。復(fù)雜網(wǎng)絡(luò)[2]是具有一中個體之間相互聯(lián)系、相互作用，豐富的信息蘊含在整樣。各個領(lǐng)域的研究中都蘊含著復(fù)雜網(wǎng)絡(luò)，研究復(fù)雜網(wǎng)絡(luò)的有效信息，幫助分析網(wǎng)絡(luò)特性，促進(jìn)復(fù)雜網(wǎng)絡(luò)的發(fā)展。分析已經(jīng)成為我們共同的極具挑戰(zhàn)性的研究課題。層面上來說，網(wǎng)絡(luò)是可以用圖像來表示。網(wǎng)絡(luò)圖基本上都邊和權(quán)重。每一個節(jié)點表示關(guān)系中的實體，代表了一個城至一個人等等。每一條邊表示實體間的聯(lián)系，它可以代表中的一條光纖、社會關(guān)系網(wǎng)中的一種聯(lián)系或者財富網(wǎng)絡(luò)中值表示網(wǎng)絡(luò)中的占比，代表實際網(wǎng)絡(luò)中節(jié)點之間的關(guān)系的中的重要程度等。下圖 1-1 就是一個復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)圖。

華南理工大學(xué)碩士學(xué)位論文社區(qū)結(jié)構(gòu) X 和劃分后社區(qū)結(jié)構(gòu) Y 之間，Y 包含 X 的互信息評判標(biāo)準(zhǔn)表達(dá)式如下(;)(;)(,)(;)jijNiMjEiI XY IXY PXYIXY（其中，P(Xi,Yj)表示每一次社區(qū)劃分中，任一節(jié)點由社區(qū) Xi劃分到社區(qū) Yj中的式定義為：(,)(|)()ijjiiP XY PYX PX（其中，P(Yj| Xi)表示劃分前在社區(qū) Xi的節(jié)點在劃分后被劃分到社區(qū) Yj的概率，劃分前網(wǎng)絡(luò)中的節(jié)點屬于社區(qū) Xi的概率。每次社區(qū)劃分時，只需要考慮兩種劃分情況，如圖 3-1：
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：O157.5;TP301.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 高慶一;李牧;;基于GN算法的重疊社區(qū)識別方法[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2015年09期

2 楊玉珍;劉培玉;費紹棟;張成功;;融合擴展信息瓶頸理論的話題關(guān)聯(lián)檢測方法研究[J];自動化學(xué)報;2014年03期

3 高琳;楊建業(yè);覃桂敏;;動態(tài)網(wǎng)絡(luò)模式挖掘方法及其應(yīng)用[J];軟件學(xué)報;2013年09期

4 鄧小龍;王柏;吳斌;楊勝琦;;基于信息熵的復(fù)雜網(wǎng)絡(luò)社團劃分建模和驗證[J];計算機研究與發(fā)展;2012年04期

5 楊博;劉大有;金弟;馬海賓;;復(fù)雜網(wǎng)絡(luò)聚類方法[J];軟件學(xué)報;2009年01期

6 沈華偉;程學(xué)旗;陳海強;劉悅;;基于信息瓶頸的社區(qū)發(fā)現(xiàn)[J];計算機學(xué)報;2008年04期

本文編號：2647850