現(xiàn)實(shí)生活中存在著各種各樣由復(fù)雜系統(tǒng)抽象而來的復(fù)雜網(wǎng)絡(luò),研究和分析這些網(wǎng)絡(luò),能夠使我們對其結(jié)構(gòu)和行為有更好的認(rèn)識(shí)。社區(qū)結(jié)構(gòu)是復(fù)雜網(wǎng)絡(luò)中的一個(gè)重要結(jié)構(gòu)特性,它對網(wǎng)絡(luò)的運(yùn)行有著重要影響。所謂社區(qū),即一群緊密聯(lián)系的個(gè)體所形成的團(tuán)體,其中社區(qū)內(nèi)部的聯(lián)系緊密,而社區(qū)之間的聯(lián)系稀疏,如QQ、微信中的朋友圈、貼吧上某個(gè)話題論壇、科學(xué)家合作網(wǎng)絡(luò)中的合作團(tuán)體以及蛋白質(zhì)交互網(wǎng)絡(luò)中構(gòu)成某一功能模塊的蛋白質(zhì)團(tuán)體等等。挖掘復(fù)雜網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu)已成為復(fù)雜網(wǎng)絡(luò)分析中的熱門研究,對理解網(wǎng)絡(luò)結(jié)構(gòu)、分析網(wǎng)絡(luò)行為和預(yù)測網(wǎng)絡(luò)安全都有著極為重要的意義,復(fù)雜網(wǎng)絡(luò)中的社區(qū)發(fā)現(xiàn)研究已成為一個(gè)具有重要理論意義和實(shí)際應(yīng)用價(jià)值的研究課題。社區(qū)發(fā)現(xiàn)研究發(fā)展至今已提出很多有效算法,但隨著互聯(lián)網(wǎng)和移動(dòng)終端的快速發(fā)展,數(shù)據(jù)規(guī)模的幾何式擴(kuò)張,很多傳統(tǒng)算法已難以有效處理大規(guī)模復(fù)雜網(wǎng)絡(luò)。針對這一問題,本文將�；枷胍肷鐓^(qū)發(fā)現(xiàn)研究,旨在通過�；侄螇嚎s網(wǎng)絡(luò)結(jié)構(gòu)(網(wǎng)絡(luò)的節(jié)點(diǎn)和邊),縮減網(wǎng)絡(luò)規(guī)模,從而降低問題求解復(fù)雜度。在對社區(qū)發(fā)現(xiàn)相關(guān)理論和算法以及粒計(jì)算相關(guān)理論知識(shí)深入研究后,本文提出兩種結(jié)構(gòu)�；惴�:基于局部模塊度的多層�；鐓^(qū)發(fā)現(xiàn)方法(Multilayer granulation community detection method based on local modularity,MGr-LM)和基于節(jié)點(diǎn)相似度的自適應(yīng)�；鐓^(qū)發(fā)現(xiàn)方法(An adaptive granulation algorithm for community detection based on nodesimilarity,AGr-NS)。通過將它們應(yīng)用于8個(gè)不同類型和規(guī)模的真實(shí)世界網(wǎng)絡(luò)數(shù)據(jù)集以驗(yàn)證算法的可行性和有效性,并同當(dāng)前流行的多個(gè)算法進(jìn)行實(shí)驗(yàn)對比。本文的主要工作如下:1)提出基于局部模塊度的多層�；鐓^(qū)發(fā)現(xiàn)方法(MGr-LM)。本文首先研究壓縮網(wǎng)絡(luò)的結(jié)構(gòu)�；僮�,包括基于局部模塊度的節(jié)點(diǎn)�；僮骱瓦吜；僮�。然后通過結(jié)構(gòu)�；僮鲗W(wǎng)絡(luò)進(jìn)行多層次�；�,形成逐層�；�、逐層抽象的多粒度超網(wǎng)絡(luò),其中每層超網(wǎng)絡(luò)對應(yīng)一個(gè)粒度的社區(qū)劃分(一個(gè)超點(diǎn)代表一個(gè)社區(qū))。最后依據(jù)所求問題選擇評價(jià)最優(yōu)的粒層作為最終劃分結(jié)果。在公用數(shù)據(jù)集上的系列實(shí)驗(yàn)結(jié)果表明,該方法能快速劃分不同類型和規(guī)模的網(wǎng)絡(luò)并獲得較高質(zhì)量的社區(qū)結(jié)構(gòu),且在獲得更真實(shí)更有意義的社區(qū)結(jié)構(gòu)方面具有明顯優(yōu)勢。2)提出基于節(jié)點(diǎn)相似度的自適應(yīng)�；鐓^(qū)發(fā)現(xiàn)方法(AGr-NS)。算法MGr-LM需要獲取�；^程中的全部粒層再選擇最佳結(jié)果,為了改進(jìn)這一過程,使算法能夠自適應(yīng)揭示令人滿意的粒層,本文提出一種自適應(yīng)的�；椒ˋGr-NS。首先計(jì)算得到網(wǎng)絡(luò)中相鄰節(jié)點(diǎn)間的相似度;然后通過改進(jìn)的結(jié)構(gòu)�；僮髯赃m應(yīng)�；W(wǎng)絡(luò),并自動(dòng)收斂于滿意的社區(qū)粒層;最后處理該粒層上的孤立節(jié)點(diǎn),將其分配到較小的鄰接社區(qū),得到最終的劃分結(jié)果。其中,�；^程以節(jié)點(diǎn)相似度和基于節(jié)點(diǎn)相似度的網(wǎng)絡(luò)模塊度為條件啟發(fā)式優(yōu)化,保證劃分精度的同時(shí)消除了由完全基于網(wǎng)絡(luò)模塊度優(yōu)化所附帶的分辨率限制問題。系列實(shí)驗(yàn)結(jié)果表明,所提算法AGr-NS可行且有效,可直接自適應(yīng)獲得與算法MGr-LM所獲最佳結(jié)果的相同結(jié)果或相近結(jié)果。
【學(xué)位單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：O157.5
【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文研究內(nèi)容與組織結(jié)構(gòu)
        1.3.1 研究內(nèi)容
        1.3.2 組織結(jié)構(gòu)
第二章 相關(guān)理論知識(shí)
    2.1 社區(qū)發(fā)現(xiàn)概述
        2.1.1 復(fù)雜網(wǎng)絡(luò)簡介
        2.1.2 社區(qū)結(jié)構(gòu)定義
        2.1.3 社區(qū)衡量指標(biāo)
        2.1.4 社區(qū)發(fā)現(xiàn)的經(jīng)典算法
    2.2 結(jié)構(gòu)�；椒�
    2.3 本章小結(jié)
第三章 基于局部模塊度的多層粒化社區(qū)發(fā)現(xiàn)方法
    3.1 局部模塊度
    3.2 MGr-LM算法
        3.2.1 結(jié)構(gòu)�；僮�
        3.2.2 MGr-LM算法流程
        3.2.3 MGr-LM算法復(fù)雜度分析
    3.3 實(shí)驗(yàn)設(shè)置及結(jié)果分析
        3.3.1 實(shí)驗(yàn)數(shù)據(jù)集
        3.3.2 參數(shù)設(shè)置
        3.3.3 實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
第四章 基于節(jié)點(diǎn)相似度的自適應(yīng)�；鐓^(qū)發(fā)現(xiàn)方法
    4.1 節(jié)點(diǎn)相似性的度量
    4.2 AGr-NS算法
        4.2.1 結(jié)構(gòu)�；僮�
        4.2.2 AGr-NS算法流程
        4.2.3 AGr-NS算法復(fù)雜度分析
    4.3 實(shí)驗(yàn)設(shè)置及結(jié)果分析
        4.3.1 相似度指標(biāo)對比
        4.3.2 自適應(yīng)�；瘜W(wǎng)絡(luò)的作用
        4.3.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.4 AGr-NS與MGr-LM對比實(shí)驗(yàn)分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
附錄A 圖索引
Appendix A Figure Index
附錄B 表格索引
Appendix B Table Index
致謝
攻讀碩士期間的成果與參與的科研項(xiàng)目

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 閆碩;閆林;;數(shù)據(jù)關(guān)聯(lián)的�；瘶涿枋龇椒╗J];模式識(shí)別與人工智能;2015年12期

2 張夏葦;;多�；植诩再|(zhì)的幾個(gè)充分條件[J];廈門理工學(xué)院學(xué)報(bào);2016年03期

3 陳艷艷;馬杰偉;洪流;楊國華;趙海濤;曹智程;;高溫熔渣離心�；瘷C(jī)理與實(shí)驗(yàn)研究[J];科學(xué)技術(shù)與工程;2014年33期

4 李大鵬;;國內(nèi)外高爐渣干法�；夹g(shù)進(jìn)展分析[J];冶金設(shè)備;2015年S1期

5 陶啟威;張文英;俞元春;楊靖宇;高捍東;白林;;檸條丸�；N子吸水及崩解特性研究[J];福建林學(xué)院學(xué)報(bào);2014年04期

6 趙姝;柯望;陳潔;張燕平;;基于聚類�；纳鐖F(tuán)發(fā)現(xiàn)算法[J];計(jì)算機(jī)應(yīng)用;2014年10期

7 張海鑫;;銅锍�；に嚨陌l(fā)展[J];有色冶金節(jié)能;2013年03期

8 薛樹紅,劉雪峰;爐渣輪法�；b置在太鋼四高爐上的應(yīng)用[J];山西冶金;2001年03期

9 莊伊美,潘東明,李健,黃育宗;琯溪蜜柚果實(shí)�；Y矯治研究[J];亞熱帶植物科學(xué);2000年04期

10 王樹奇,何鎮(zhèn)明,崔向紅,姜啟川;萊氏體鋼中共晶碳化物的熱處理�；痆J];金屬熱處理;1997年09期

相關(guān)博士學(xué)位論文 前8條

1 曾凱;鄰域�；植谟�(jì)算的關(guān)鍵技術(shù)研究與應(yīng)用[D];電子科技大學(xué);2015年

2 盧偉;基于粒計(jì)算的時(shí)間序列分析與建模方法研究[D];大連理工大學(xué);2015年

3 錢宇華;復(fù)雜數(shù)據(jù)的�；瘷C(jī)理與數(shù)據(jù)建模[D];山西大學(xué);2011年

4 許凱;云模型支持下的遙感圖像分類粒計(jì)算方法研究[D];武漢大學(xué);2010年

5 鐘鳳林;琯溪蜜柚汁胞發(fā)育過程的差異蛋白質(zhì)組學(xué)研究[D];福建農(nóng)林大學(xué);2009年

6 丁健;柑橘果實(shí)�；儺愺w的遺傳背景及其性狀形成的機(jī)理研究[D];華中農(nóng)業(yè)大學(xué);2009年

7 陳潔;商空間的�；P(guān)鍵技術(shù)及問題求解研究[D];安徽大學(xué);2014年

8 佘文琴;琯溪蜜柚汁胞�；^程中生理變化與基因差異表達(dá)分析[D];福建農(nóng)林大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 崔光明;基于商空間�；姆⻊�(wù)組合優(yōu)化問題研究[D];安徽大學(xué);2018年

2 閔星;基于結(jié)構(gòu)�；纳鐓^(qū)發(fā)現(xiàn)方法研究[D];安徽大學(xué);2018年

3 張晶;柑橘貯藏過程中汁胞�；嚓P(guān)miRNA的篩選及功能分析[D];中國農(nóng)業(yè)科學(xué)院;2016年

4 吳君軍;高爐渣離心�；瘷C(jī)理及規(guī)律[D];重慶大學(xué);2016年

5 楊志遠(yuǎn);高爐渣干法離心�；碚撆c實(shí)驗(yàn)研究[D];青島理工大學(xué);2010年

6 閆兆民;高爐渣離心�；到y(tǒng)研究開發(fā)[D];青島理工大學(xué);2010年

7 趙丹;基于粒計(jì)算的數(shù)據(jù)�；垲惙椒ㄑ芯縖D];哈爾濱工程大學(xué);2016年

8 曹磊;鼓泡流化床中粒化高爐渣顆粒流化及換熱特性數(shù)值研究[D];重慶大學(xué);2017年

9 彭金金;手指多模態(tài)傳統(tǒng)�；R(shí)別問題研究[D];中國民航大學(xué);2015年

10 柯望;基于層次�；纳鐖F(tuán)發(fā)現(xiàn)方法研究[D];安徽大學(xué);2016年

本文編號(hào)：2841932