本文關(guān)鍵詞：基于節(jié)點重要性的復(fù)雜網(wǎng)絡(luò)社團挖掘算法研究

  更多相關(guān)文章： 復(fù)雜網(wǎng)絡(luò) 社團挖掘 重要節(jié)點 蛋白質(zhì)相互作用網(wǎng)絡(luò)

【摘要】：復(fù)雜網(wǎng)絡(luò)在現(xiàn)實世界中普遍存在,社團結(jié)構(gòu)是網(wǎng)絡(luò)的一個重要拓撲特征。社團結(jié)構(gòu)的挖掘已成為復(fù)雜網(wǎng)絡(luò)學(xué)科下的熱點研究方向,對理解分析網(wǎng)絡(luò)功能與性質(zhì),發(fā)現(xiàn)網(wǎng)絡(luò)中的隱藏規(guī)律以及預(yù)測網(wǎng)絡(luò)行為等方面至關(guān)重要,具有重要理論研究意義和應(yīng)用價值。近年來,越來越多的社團結(jié)構(gòu)挖掘算法相繼被提出,而面對擴大的網(wǎng)絡(luò)規(guī)模,社團挖掘結(jié)果常受初始節(jié)點位置影響、需事先指定社團規(guī)模大小、時間復(fù)雜度高等問題在目前算法中顯得尤為突出。如何在尋找到的重要節(jié)點基礎(chǔ)上展開復(fù)雜網(wǎng)絡(luò)的社團結(jié)構(gòu)挖掘,相關(guān)研究工作才剛剛起步。本文的研究是在對復(fù)雜網(wǎng)絡(luò)節(jié)點重要性評價分析的基礎(chǔ)上,探究基于重要節(jié)點的社團挖掘算法,試圖解決或部分解決目前經(jīng)典算法中的常見問題,并將所提出的算法應(yīng)用于現(xiàn)實網(wǎng)絡(luò)中。本文研究工作的主要貢獻如下:(1)在網(wǎng)絡(luò)節(jié)點重要性評價方面,研究了當前主流的四種單一中心性評價指標,以及一種基于主成分分析的綜合性評價指標計算方法,給出了基準網(wǎng)絡(luò)上的不同評價指標下的節(jié)點重要性分布;(2)提出了一種種子節(jié)點非重疊社團挖掘算法。根據(jù)中心性評價指標確定種子節(jié)點,利用深度優(yōu)先搜索策略進行全局社團劃分,對于重疊節(jié)點利用社團間的連邊數(shù)解決其歸屬問題。與經(jīng)典社團聚類算法相比,基準網(wǎng)絡(luò)上的實驗結(jié)果表明該算法取得了較好的社團劃分結(jié)果,且算法的計算復(fù)雜度較低;(3)提出了一種基于核心節(jié)點的局部社團挖掘算法。將網(wǎng)絡(luò)中的重要節(jié)點作為初始社團的核心節(jié)點,通過計算核心節(jié)點與其鄰居節(jié)點的相似度進行局部社團劃分,再對相似的局部社團合并以得到最終的社團結(jié)構(gòu)。與經(jīng)典社團聚類算法和所提出的種子節(jié)點社團挖掘算法相比,基準網(wǎng)絡(luò)上的實驗結(jié)果表明該算法在劃分性能方面具有明顯的優(yōu)勢;(4)將所提出的局部社團挖掘算法應(yīng)用于蛋白質(zhì)相互作用網(wǎng)絡(luò)的功能模塊檢測,并結(jié)合基因本體數(shù)據(jù)庫對模塊的生物學(xué)意義進行了分析。與CPM算法和MCODE算法相比,實驗結(jié)果表明所提出的算法在節(jié)點丟失率較低情況下,可挖掘到的匹配率=50%的蛋白質(zhì)模塊數(shù)比例較高。
【關(guān)鍵詞】：復(fù)雜網(wǎng)絡(luò) 社團挖掘 重要節(jié)點 蛋白質(zhì)相互作用網(wǎng)絡(luò)
【學(xué)位授予單位】：石家莊鐵道大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：O157.5;TP301.6
【目錄】：

• 摘要3-4
• Abstract4-9
• 第一章 緒論9-18
• 1.1 研究背景9-10
• 1.2 研究目的及意義10-11
• 1.2.1 研究目的10
• 1.2.2 研究意義10-11
• 1.3 研究現(xiàn)狀11-14
• 1.3.1 復(fù)雜網(wǎng)絡(luò)中節(jié)點重要性評估研究現(xiàn)狀11-13
• 1.3.2 復(fù)雜網(wǎng)絡(luò)中社團挖掘研究現(xiàn)狀13-14
• 1.4 主要研究內(nèi)容及創(chuàng)新點14-16
• 1.4.1 主要研究內(nèi)容14-15
• 1.4.2 創(chuàng)新點15-16
• 1.5 論文的組織結(jié)構(gòu)16-18
• 第二章 相關(guān)理論研究18-34
• 2.1 網(wǎng)絡(luò)節(jié)點的重要性評價指標18-22
• 2.1.1 度中心性18
• 2.1.2 接近度中心性18-19
• 2.1.3 介數(shù)中心性19-20
• 2.1.4 特征向量中心性20
• 2.1.5 綜合性評價指標20-22
• 2.2 基準網(wǎng)絡(luò)上的節(jié)點重要性評價22-28
• 2.2.1 基準網(wǎng)絡(luò)介紹22-23
• 2.2.2 評價指標計算23-28
• 2.3 經(jīng)典社團挖掘算法28-32
• 2.3.1 GN算法28-29
• 2.3.2 Newman快速算法29-31
• 2.3.3 CPM算法31-32
• 2.4 社團挖掘算法的性能指標32-33
• 2.5 本章小結(jié)33-34
• 第三章 種子節(jié)點非重疊社團挖掘算法34-44
• 3.1 種子節(jié)點34
• 3.2 深度優(yōu)先搜索算法34-35
• 3.3 算法描述35
• 3.4 算法的時間復(fù)雜度分析35-37
• 3.5 實驗結(jié)果及分析37-39
• 3.5.1 Zachary’s Karate網(wǎng)絡(luò)38
• 3.5.2 Football網(wǎng)絡(luò)38-39
• 3.6 與其它算法對比39-43
• 3.6.1 與經(jīng)典社團挖掘算法對比39-41
• 3.6.2 不同重要性評價指標對比41-43
• 3.7 本章小結(jié)43-44
• 第四章 基于核心節(jié)點的局部社團挖掘算法44-57
• 4.1 核心節(jié)點44
• 4.2 相似度44-45
• 4.3 算法描述45-49
• 4.4 算法的時間復(fù)雜度分析49-50
• 4.5 基準網(wǎng)絡(luò)上的實驗結(jié)果與分析50-53
• 4.5.1 閾值的選取50-52
• 4.5.2 實驗結(jié)果及分析52-53
• 4.6 與其它算法對比53-56
• 4.6.1 與經(jīng)典聚類挖掘算法對比53-55
• 4.6.2 不同重要性評價指標對比55-56
• 4.7 本章小結(jié)56-57
• 第五章 PPI網(wǎng)絡(luò)上的局部社團挖掘算法應(yīng)用57-66
• 5.1 蛋白質(zhì)功能模塊預(yù)測概述57
• 5.2 PPI網(wǎng)絡(luò)功能模塊聚類挖掘常用算法57-59
• 5.2.1 圖劃分聚類算法58
• 5.2.2 基于密度的局部搜索聚類算法58-59
• 5.2.3 層次聚類算法59
• 5.3 PPI網(wǎng)絡(luò)數(shù)據(jù)59-61
• 5.4 用于PPI網(wǎng)絡(luò)分析的性能指標61
• 5.5 局部社團挖掘算法在PPI網(wǎng)絡(luò)上的應(yīng)用61-65
• 5.6 本章小結(jié)65-66
• 第六章 總結(jié)與展望66-68
• 參考文獻68-72
• 致謝72-73
• 個人簡歷、在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文73

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 胡洪林;;截斷思想在算法分析中的應(yīng)用[J];科技風(fēng);2012年12期

2 陳際平;算法分析與優(yōu)化程序的研究[J];西北大學(xué)學(xué)報(自然科學(xué)版);1994年05期

3 梁彥杰;徐堅;;算法分析中概率變化與圖形生成[J];云南大學(xué)學(xué)報(自然科學(xué)版);2009年S2期

4 劉寧;邵曉艷;;算法分析與設(shè)計課程中多媒體技術(shù)的應(yīng)用[J];科技風(fēng);2009年18期

5 海亞;張永平;;算法對學(xué)生解決問題能力的培養(yǎng)[J];黑龍江科技信息;2008年10期

6 李冰穎,夏利民,舒遠仲;學(xué)分制模式下網(wǎng)上選課系統(tǒng)的算法探析[J];江西科學(xué);2004年05期

7 Anany Levitin;Maria Levitin;;算法謎題[J];中國科技信息;2014年08期

8 杜剛;陸黎明;;一修路問題的算法解決分析[J];太原師范學(xué)院學(xué)報(自然科學(xué)版);2006年02期

9 許之民;;砝碼稱重問題的多種算法分析與探究[J];合肥學(xué)院學(xué)報(自然科學(xué)版);2011年01期

10 李亞楠;;菌群優(yōu)化算法分析[J];貴州大學(xué)學(xué)報(自然科學(xué)版);2011年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 俞洋;田亞菲;;一種新的變步長LMS算法及其仿真[A];通信理論與信號處理新進展——2005年通信理論與信號處理年會論文集[C];2005年

2 周顥;劉振華;趙保華;;構(gòu)造型的D~2FA生成算法[A];中國通信學(xué)會通信軟件技術(shù)委員會2009年學(xué)術(shù)會議論文集[C];2009年

3 賴桃桃;馮少榮;張東站;;一種基于劃分和密度的快速聚類算法[A];第二十五屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（一）[C];2008年

4 劉遠新;鄧飛其;羅艷輝;舒添慧;;ERP柔性平臺下物流運輸配送系統(tǒng)算法分析[A];第二十六屆中國控制會議論文集[C];2007年

5 王樹西;白碩;姜吉發(fā);;模式合一的“減首去尾”算法[A];第二屆全國學(xué)生計算語言學(xué)研討會論文集[C];2004年

6 王萬青;張曉輝;;改進的A~*算法的高效實現(xiàn)[A];2009全國測繪科技信息交流會暨首屆測繪博客征文頒獎?wù)撐募痆C];2009年

7 孫煥良;邱菲;劉俊嶺;朱葉麗;;IncSNN——一種基于密度的增量聚類算法[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2006年

8 韓建民;岑婷婷;于娟;;實現(xiàn)敏感屬性l-多樣性的l-MDAV算法[A];第二十七屆中國控制會議論文集[C];2008年

9 張悅;尤楓;趙瑞蓮;;利用蟻群算法實現(xiàn)基于程序結(jié)構(gòu)的主變元分析[A];第五屆中國測試學(xué)術(shù)會議論文集[C];2008年

10 王旭東;劉渝;鄧振淼;;正弦波頻率估計的修正Rife算法及其FPGA實現(xiàn)[A];全國第十屆信號與信息處理、第四屆DSP應(yīng)用技術(shù)聯(lián)合學(xué)術(shù)會議論文集[C];2006年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 科文;VIXD算法分析Web異常[N];中國計算機報;2008年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 魏哲學(xué);樣本斷點距離問題的算法與復(fù)雜性研究[D];山東大學(xué);2015年

2 劉春明;基于增強學(xué)習(xí)和車輛動力學(xué)的高速公路自主駕駛研究[D];國防科學(xué)技術(shù)大學(xué);2014年

3 張敏霞;生物地理學(xué)優(yōu)化算法及其在應(yīng)急交通規(guī)劃中的應(yīng)用研究[D];浙江工業(yè)大學(xué);2015年

4 李紅;流程挖掘算法研究[D];云南大學(xué);2015年

5 盛歆漪;粒子群優(yōu)化算法及其應(yīng)用研究[D];江南大學(xué);2015年

6 黃磊;高動態(tài)環(huán)境捷聯(lián)慣導(dǎo)信號處理及高精度姿態(tài)速度算法研究[D];南京航空航天大學(xué);2015年

7 劉新旺;多核學(xué)習(xí)算法研究[D];國防科學(xué)技術(shù)大學(xué);2013年

8 于濱;城市公交系統(tǒng)模型與算法研究[D];大連理工大學(xué);2006年

9 曾國強;改進的極值優(yōu)化算法及其在組合優(yōu)化問題中的應(yīng)用研究[D];浙江大學(xué);2011年

10 肖永豪;蜂群算法及在圖像處理中的應(yīng)用研究[D];華南理工大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 趙官寶;基于位表的關(guān)聯(lián)規(guī)則挖掘算法研究[D];昆明理工大學(xué);2015年

2 殷文華;移動容遲網(wǎng)絡(luò)中基于社會感知的多播分發(fā)算法研究[D];內(nèi)蒙古大學(xué);2015年

3 徐翔燕;人工魚群優(yōu)化算法及其應(yīng)用研究[D];西南交通大學(xué);2015年

4 潘浩;基于可逆結(jié)構(gòu)的超點和長流檢測算法研究[D];大連海事大學(xué);2016年

5 王寧偉;微博網(wǎng)絡(luò)中的重疊社區(qū)發(fā)現(xiàn)算法研究[D];北京交通大學(xué);2016年

6 高山;星載MIMO檢測算法的抗SEU技術(shù)研究[D];解放軍信息工程大學(xué);2014年

7 張振賓;國密SM4和SM2算法功耗攻擊關(guān)鍵技術(shù)研究與實現(xiàn)[D];清華大學(xué);2015年

8 閆婷;基于混合細菌覓食和粒子群的k-means聚類算法在類風(fēng)濕并發(fā)癥中的研究[D];太原理工大學(xué);2016年

9 曹陽;基于質(zhì)心策略的蝙蝠算法[D];太原科技大學(xué);2015年

10 高越;量子K近鄰算法研究[D];東南大學(xué);2015年

，

本文編號：675633