社區(qū)結(jié)構(gòu)是復(fù)雜網(wǎng)絡(luò)中的一個(gè)重要特征,它是由網(wǎng)絡(luò)共享相同屬性的節(jié)點(diǎn)構(gòu)成的.社區(qū)結(jié)構(gòu)在表示真實(shí)系統(tǒng)中扮演著至關(guān)重要的角色,挖掘網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu)對(duì)于幫助分析網(wǎng)絡(luò)的屬性功能具有深刻的意義.目前諸多社團(tuán)挖掘算法已經(jīng)廣泛應(yīng)用于復(fù)雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)問(wèn)題.在有權(quán)有向的網(wǎng)絡(luò)基礎(chǔ)上,如何既降低算法的復(fù)雜度又提高社區(qū)劃分結(jié)果的準(zhǔn)確度,一直是復(fù)雜網(wǎng)絡(luò)中社區(qū)發(fā)現(xiàn)算法不斷發(fā)展和研究的方向.首先,針對(duì)非重疊社區(qū)發(fā)現(xiàn)問(wèn)題,本文提出一種離散量子粒子群優(yōu)化社區(qū)發(fā)現(xiàn)方法（NQD-PSO）.將核心節(jié)點(diǎn)與鄰居的普通節(jié)點(diǎn)構(gòu)成模體,該模體作為量子粒子群算法的初始值;同時(shí),構(gòu)造模體加權(quán)社區(qū)聚類函數(shù)為算法的適應(yīng)性函數(shù),并采用壓縮因子函數(shù)調(diào)節(jié)全局和局部搜索模型,結(jié)合量子粒子群算法,使算法全局收斂.算法采用模體有序表編碼方式,并在模擬和真實(shí)網(wǎng)絡(luò)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果均表明,相比于其他算法,NQD-PSO算法能挖掘出更高質(zhì)量的社區(qū)結(jié)構(gòu).其次,本文提出了一種局部擴(kuò)展的遺傳優(yōu)化重疊社區(qū)發(fā)現(xiàn)方法（LEGAOCD）.借鑒局部擴(kuò)展的重疊社區(qū)發(fā)現(xiàn)方法的思想,將少數(shù)的核心節(jié)點(diǎn)構(gòu)成模體.同時(shí),構(gòu)造節(jié)點(diǎn)加權(quán)社區(qū)聚類函數(shù)為算法的適應(yīng)性函數(shù),利用三角形模體來(lái)判斷社區(qū)的穩(wěn)... 

【文章來(lái)源】：武漢理工大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究的背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 非重疊社區(qū)發(fā)現(xiàn)算法
        1.2.2 重疊社區(qū)發(fā)現(xiàn)算法
    1.3 論文的創(chuàng)新點(diǎn)與內(nèi)容
    1.4 論文結(jié)構(gòu)
第2章 復(fù)雜網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)的相關(guān)理論
    2.1 復(fù)雜網(wǎng)絡(luò)的基本概念和特征量
    2.2 常見(jiàn)的網(wǎng)絡(luò)數(shù)據(jù)集
        2.2.1 人工網(wǎng)絡(luò)數(shù)據(jù)集
        2.2.2 真實(shí)網(wǎng)絡(luò)數(shù)據(jù)集
    2.3 社區(qū)發(fā)現(xiàn)算法的評(píng)價(jià)指標(biāo)
    2.4 本章小結(jié)
第3章 離散量子粒子群優(yōu)化算法的社區(qū)發(fā)現(xiàn)
    3.1 引言
    3.2 量子粒子群優(yōu)化社區(qū)發(fā)現(xiàn)方法
        3.2.1 適應(yīng)性函數(shù)
        3.2.2 粒子群更新原理
        3.2.3 量子粒子群更新策略
        3.2.4 算法流程與復(fù)雜度分析
        3.2.5 粒子編碼方式
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 評(píng)價(jià)標(biāo)準(zhǔn)函數(shù)
        3.3.2 算法比較結(jié)果評(píng)價(jià)
    3.4 本章小結(jié)
第4章 局部擴(kuò)展的遺傳優(yōu)化算法的重疊社區(qū)發(fā)現(xiàn)
    4.1 引言
    4.2 重疊社區(qū)結(jié)構(gòu)的基本概念
    4.3 局部擴(kuò)展的遺傳優(yōu)化重疊社區(qū)發(fā)現(xiàn)方法
        4.3.1 算法流程與時(shí)間復(fù)雜度分析
        4.3.2 個(gè)體的編碼與解碼
        4.3.3 選擇
        4.3.4 遺傳進(jìn)化操作更新策略
    4.4 實(shí)驗(yàn)結(jié)果與評(píng)價(jià)
        4.4.1 評(píng)價(jià)標(biāo)準(zhǔn)
        4.4.2 算法比較結(jié)果評(píng)價(jià)
    4.5 本章小結(jié)
第5章 社區(qū)發(fā)現(xiàn)算法在金融網(wǎng)絡(luò)模型中的應(yīng)用
    5.1 金融網(wǎng)絡(luò)模型的構(gòu)建
        5.1.1 金融相似度相關(guān)矩陣
        5.1.2 隨機(jī)矩陣的去噪方法
        5.1.3 確定有效閾值與建構(gòu)網(wǎng)絡(luò)
    5.2 實(shí)驗(yàn)結(jié)果分析
        5.2.1 金融網(wǎng)絡(luò)模型去噪前后拓?fù)浣Y(jié)構(gòu)分析
        5.2.2 非重疊社區(qū)發(fā)現(xiàn)算法比較結(jié)果評(píng)價(jià)
        5.2.3 重疊社區(qū)發(fā)現(xiàn)算法比較結(jié)果評(píng)價(jià)
    5.3 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間獲得與學(xué)位相關(guān)的科研成果目錄


【參考文獻(xiàn)】：
期刊論文
[1]短時(shí)間尺度用電行為相關(guān)性分析網(wǎng)絡(luò)模型[J]. 陳鵬偉,陶順,肖湘寧,李璐,張劍.  電力系統(tǒng)自動(dòng)化. 2017(03)
[2]度相關(guān)性對(duì)無(wú)向網(wǎng)絡(luò)可控性的影響[J]. 徐明,許傳云,曹克非.  物理學(xué)報(bào). 2017(02)
[3]基于深度稀疏自動(dòng)編碼器的社區(qū)發(fā)現(xiàn)算法[J]. 尚敬文,王朝坤,辛欣,應(yīng)翔.  軟件學(xué)報(bào). 2017(03)
[4]復(fù)雜網(wǎng)絡(luò)大數(shù)據(jù)中重疊社區(qū)檢測(cè)算法[J]. 喬少杰,韓楠,張凱峰,鄒磊,王宏志,Louis Alberto GUTIERREZ.  軟件學(xué)報(bào). 2017(03)
[5]基于進(jìn)化聚類的動(dòng)態(tài)網(wǎng)絡(luò)社團(tuán)發(fā)現(xiàn)[J]. 牛新征,司偉鈺,佘堃.  軟件學(xué)報(bào). 2017(07)
[6]基于蒙特卡羅模擬修正的隨機(jī)矩陣去噪方法[J]. 駱旗,韓華,龔江濤,王海軍.  計(jì)算機(jī)應(yīng)用. 2016(09)
[7]一種高效的大規(guī)模網(wǎng)絡(luò)k團(tuán)挖掘算法[J]. 柴旭清,董永亮.  計(jì)算機(jī)科學(xué). 2016(05)
[8]一種基于多維遺傳算法的重疊社區(qū)發(fā)現(xiàn)方法[J]. 王琦,溫志平.  計(jì)算機(jī)應(yīng)用研究. 2016(12)
[9]NCSS:一種快速有效的復(fù)雜網(wǎng)絡(luò)社團(tuán)劃分算法[J]. 韓忠明,譚旭升,陳炎,段大高.  中國(guó)科學(xué):信息科學(xué). 2016(04)
[10]基于蒙特卡洛RMT去噪法小股票組合風(fēng)險(xiǎn)優(yōu)化研究[J]. 李冰娜,惠曉峰,李連江.  管理科學(xué). 2016(02)

博士論文
[1]復(fù)雜網(wǎng)絡(luò)中社區(qū)發(fā)現(xiàn)算法研究[D]. 周旭.吉林大學(xué) 2016



本文編號(hào)：3468714