隨著計(jì)算機(jī)與互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展,網(wǎng)絡(luò)已成為人們?nèi)粘Ｉ畈豢苫蛉钡囊徊糠帧Ｈ藗儸F(xiàn)實(shí)生活中的大部分?jǐn)?shù)據(jù)都可用網(wǎng)絡(luò)或圖（Graph）來(lái)表示,如通信網(wǎng)絡(luò),交通網(wǎng)絡(luò)、社交網(wǎng)絡(luò)、生物網(wǎng)絡(luò)等。社團(tuán)結(jié)構(gòu)是復(fù)雜網(wǎng)絡(luò)的一個(gè)重要結(jié)構(gòu)特征,研究這些社團(tuán)結(jié)構(gòu)有利于更好地理解復(fù)雜網(wǎng)絡(luò)的功能與特性。此外,復(fù)雜網(wǎng)絡(luò)在社團(tuán)結(jié)構(gòu)層面通常會(huì)顯示出一些單個(gè)節(jié)點(diǎn)或整個(gè)網(wǎng)絡(luò)層面所不具備的特性。為了更深入地研究復(fù)雜網(wǎng)絡(luò),捕獲更多有意義的潛在信息,需要使用社團(tuán)檢測(cè)技術(shù)。然而隨著節(jié)點(diǎn)數(shù)量不斷增加,網(wǎng)絡(luò)結(jié)構(gòu)不斷復(fù)雜,傳統(tǒng)的社團(tuán)檢測(cè)算法已不再適用于大規(guī)模復(fù)雜網(wǎng)絡(luò)。而分布式并行處理技術(shù)為處理大規(guī)模復(fù)雜網(wǎng)絡(luò)提供了有效手段。因此,研究復(fù)雜網(wǎng)絡(luò)的社團(tuán)檢測(cè)并行算法對(duì)深入理解網(wǎng)絡(luò)結(jié)構(gòu)與性質(zhì)具有重大理論意義與實(shí)際價(jià)值�；谏鲜鲈�,本文提出了一種針對(duì)大規(guī)模復(fù)雜網(wǎng)絡(luò)的并行化社團(tuán)檢測(cè)算法——Parallel LPA-Attractor算法（簡(jiǎn)稱PLA）。在設(shè)計(jì)這種算法的過(guò)程中涉及圖表示、分割、存儲(chǔ)、計(jì)算以及結(jié)果融合問(wèn)題,其中最重要的是單個(gè)計(jì)算單元的社團(tuán)檢測(cè)算法。在對(duì)現(xiàn)有的社團(tuán)檢測(cè)算法進(jìn)行多方面的權(quán)衡比較后,本文采用Attractor算法作為核心計(jì)算算法。... 

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 研究背景
    1.2 研究意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
    1.4 本文的工作與安排
        1.4.1 研究?jī)?nèi)容
        1.4.2 本文組織結(jié)構(gòu)
第二章 復(fù)雜網(wǎng)絡(luò)社團(tuán)檢測(cè)的相關(guān)基礎(chǔ)
    2.1 網(wǎng)絡(luò)與社團(tuán)的相關(guān)基礎(chǔ)
        2.1.1 復(fù)雜網(wǎng)絡(luò)定義
        2.1.2 復(fù)雜網(wǎng)絡(luò)的表示方法
        2.1.3 其他基本概念
        2.1.4 社團(tuán)的定義
    2.2 社團(tuán)檢測(cè)評(píng)價(jià)指標(biāo)
        2.2.1 模塊度
        2.2.2 歸一化互信息
        2.2.3 F1分?jǐn)?shù)
    2.3 復(fù)雜網(wǎng)絡(luò)中的經(jīng)典社團(tuán)檢測(cè)算法
        2.3.1 標(biāo)簽傳播算法
        2.3.2 其他常見算法
    2.4 本章小結(jié)
第三章 基于動(dòng)態(tài)距離的Attractor算法及其改進(jìn)算法
    3.1 基于動(dòng)態(tài)距離的Attractor算法
        3.1.1 Attractor算法的基本原理
        3.1.2 Attractor算法的相關(guān)定義與計(jì)算模式
        3.1.3 Attractor算法時(shí)間復(fù)雜度及算法流程
        3.1.4 Attractor算法存在的問(wèn)題
    3.2 Attractor的改進(jìn)算法——LA算法
        3.2.1 LA算法的基本原理
        3.2.2 LA算法的三種計(jì)算模式
        3.2.3 LA算法的流程
        3.2.4 LA算法的時(shí)間復(fù)雜度
    3.3 LPA的改進(jìn)算法——AMLPA算法
        3.3.1 AMLPA算法的基本原理
        3.3.2 AMLPA的算法流程
        3.3.3 AMLPA算法的時(shí)間復(fù)雜度
    3.4 本章小結(jié)
第四章 LA的并行化算法——PLA算法
    4.1 一種圖的表示方式——耦合表
    4.2 大規(guī)模圖的分布式處理
        4.2.1 METIS算法
        4.2.2 分布式存儲(chǔ)方式
        4.2.3 改進(jìn)的分布式存儲(chǔ)方式
        4.2.4 分布式結(jié)果融合方法
    4.3 PLA算法
        4.3.1 PLA算法的原理
        4.3.2 PLA算法的流程
        4.3.3 PLA算法的時(shí)間復(fù)雜度分析
    4.4 本章小結(jié)
第五章 實(shí)驗(yàn)與分析
    5.1 實(shí)驗(yàn)設(shè)備
    5.2 實(shí)驗(yàn)數(shù)據(jù)集
    5.3 PLA核心算法社團(tuán)分布對(duì)比實(shí)驗(yàn)
    5.4 PLA算法對(duì)輸入?yún)?shù)的敏感性測(cè)試
    5.5 PLA算法的NMI測(cè)試
    5.6 PLA算法時(shí)間性能
    5.7 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 未來(lái)展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介



本文編號(hào)：3656963