通過人們對社交系統(tǒng),信息系統(tǒng)等的整體研究,發(fā)現(xiàn)它們背后都可以用復(fù)雜網(wǎng)絡(luò)來表示,復(fù)雜網(wǎng)絡(luò)除了具有無標(biāo)度特性和小世界特性外,社區(qū)結(jié)構(gòu)也是其中一種重要的結(jié)構(gòu)特性.社區(qū)結(jié)構(gòu)中的網(wǎng)絡(luò)聚類現(xiàn)象,可以使網(wǎng)絡(luò)中的隨機節(jié)點以組的形式聚團.本論文提出兩種不同的網(wǎng)絡(luò)中社區(qū)結(jié)構(gòu)檢測模型,具體如下:(1)符號網(wǎng)絡(luò)社區(qū)的檢測.在有向加權(quán)符號網(wǎng)絡(luò)中,節(jié)點之間的聯(lián)系有正連接,也有負連接,我們在原有Kuramoto振蕩器和DEC文章所提出的相似度的基礎(chǔ)上,基于節(jié)點不同相似度對節(jié)點鏈接影響不同的原則,提出路徑相似度,經(jīng)過節(jié)點相位的動態(tài)演變,一段時間達到穩(wěn)定后,形成不同的同步簇,以此實現(xiàn)社區(qū)檢測.這個模型不僅適用于小節(jié)點網(wǎng)絡(luò),對于大社區(qū)的檢測也取得了一定的優(yōu)勢.(2)正復(fù)雜網(wǎng)絡(luò)社區(qū)的檢測.在原有的Kuramoto振蕩器相位同步的基礎(chǔ)上,為了使兩個連接的振蕩器之間的相位同步,使兩個不相連的振蕩器之間的相位異步,我們加入了基于路徑的相似度計算函數(shù).因為節(jié)點的不同鄰居有不同的親密關(guān)系,所以有親密關(guān)系的節(jié)點更有可能在一個社區(qū),而節(jié)點的相似度就是描述他們之間的親密程度.在這種改進模型的基礎(chǔ)上,整個網(wǎng)絡(luò)會分為幾個相位值不同的同步簇.為...

【文章頁數(shù)】：42 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 復(fù)雜網(wǎng)絡(luò)的研究背景及研究簡史
    1.2 復(fù)雜網(wǎng)絡(luò)的基本概念
        1.2.1 復(fù)雜網(wǎng)絡(luò)的圖表示
        1.2.2 度與度分布
        1.2.3 平均路徑長度
        1.2.4 聚類系數(shù)
    1.3 復(fù)雜網(wǎng)絡(luò)社區(qū)檢測的幾種算法
        1.3.1 KL( KerNighanLin) 算法
        1.3.2 GN(Girvan-Newman)算法
        1.3.3 FEC(Finding and Extracting Communities)算法
        1.3.4 Attractor算法
        1.3.5 基于振蕩器相位同步的網(wǎng)絡(luò)動力學(xué)社區(qū)檢測算法
        1.3.6 網(wǎng)絡(luò)相位聚類模型及應(yīng)用
        1.3.7 DE_M，DCM
?，DEC算法
    1.4 本文的主要工作安排
第二章 符號網(wǎng)絡(luò)社區(qū)檢測
    2.1 符號網(wǎng)絡(luò)的演化模型
    2.2 算法介紹
        2.2.1 算法流程圖
        2.2.2 小社區(qū)節(jié)點真實網(wǎng)絡(luò)模型說明
        2.2.3 大社區(qū)節(jié)點人工網(wǎng)絡(luò)模型說明
    2.3 小結(jié)
第三章 基于網(wǎng)絡(luò)動力學(xué)的正復(fù)雜網(wǎng)絡(luò)社區(qū)檢測
    3.1 復(fù)雜網(wǎng)絡(luò)動態(tài)演化模型
    3.2 算法的詳細流程
    3.3 實驗仿真與結(jié)果分析
    3.4 對標(biāo)準(zhǔn)測試集的仿真并與靳超仿真實驗進行對比
        3.4.1 測試空手道俱樂部網(wǎng)絡(luò)
        3.4.2 測試海豚社會網(wǎng)絡(luò)
    3.5 小結(jié)
第四章 總結(jié)與展望
    4.1 本文總結(jié)
    4.2 展望
參考文獻
致謝
攻讀碩士學(xué)位期間取得的科研成果



本文編號：3856963

suoshi