本文關(guān)鍵詞：基于高斯混合模型的復(fù)雜網(wǎng)絡(luò)社團(tuán)尋找

  更多相關(guān)文章： 復(fù)雜網(wǎng)絡(luò) 社團(tuán)提取 高斯混合模型 EM算法 主成分分析

【摘要】：復(fù)雜網(wǎng)絡(luò)是復(fù)雜系統(tǒng)的基本結(jié)構(gòu),也是研究復(fù)雜系統(tǒng)的工具。其具有很強(qiáng)大的描述能力,被人們廣泛應(yīng)用于各個(gè)學(xué)科領(lǐng)域的復(fù)雜系統(tǒng)建模中。近年來(lái),研究者們發(fā)現(xiàn)不同學(xué)科領(lǐng)域的復(fù)雜網(wǎng)絡(luò)都存在著社團(tuán)結(jié)構(gòu)特征,并且尋找到這些社團(tuán)結(jié)構(gòu),有助于分析復(fù)雜網(wǎng)絡(luò)的各種特性。隨著新的應(yīng)用領(lǐng)域被不斷拓展,復(fù)雜網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和性質(zhì)更為復(fù)雜,這對(duì)社團(tuán)尋找算法的效率和準(zhǔn)確度提出了更高的要求。雖然現(xiàn)有的社團(tuán)尋找算法很多,但是能夠有效刻畫(huà)實(shí)際網(wǎng)絡(luò)特征,并將網(wǎng)絡(luò)中的社團(tuán)結(jié)構(gòu)快速準(zhǔn)確尋找出來(lái)的算法并不多。 本文提出了一種基于主成分分析的高斯混合模型社團(tuán)尋找算法。在該模型中,假設(shè)同一個(gè)網(wǎng)絡(luò)中的不同社團(tuán)結(jié)構(gòu)是由不同的高斯模型生成的,即不同社團(tuán)其生成機(jī)理也不一樣,這樣的假設(shè)更加符合實(shí)際的社團(tuán)生成原理。對(duì)于模型中的參數(shù)本文利用期望最大化算法(Expectation Maximization Algorithm,EM算法),進(jìn)行求解。由于復(fù)雜網(wǎng)絡(luò)規(guī)模龐大,降低算法時(shí)間復(fù)雜度是研究的重點(diǎn),所以在算法進(jìn)行之前,本文特別地引入了主成分分析,對(duì)鄰接矩陣對(duì)應(yīng)的列向量進(jìn)行降維處理,以降低后續(xù)的計(jì)算時(shí)間。 通過(guò)對(duì)一系列經(jīng)典的實(shí)際網(wǎng)絡(luò)例子進(jìn)行實(shí)驗(yàn),可發(fā)現(xiàn)和現(xiàn)有的社團(tuán)尋找方法相比,本文的模型更加靈活,可以用來(lái)處理不同類型的網(wǎng)絡(luò),如加權(quán)網(wǎng)絡(luò),有向網(wǎng)絡(luò)、重疊網(wǎng)絡(luò)等,同時(shí),本文算法得到的結(jié)果更加精準(zhǔn),符合網(wǎng)絡(luò)的實(shí)際劃分。利用主成分分析對(duì)網(wǎng)絡(luò)的鄰接矩陣降維,如果主成分貢獻(xiàn)率達(dá)到百分之九十以上,那么對(duì)于最后的計(jì)算結(jié)果幾乎沒(méi)有什么影響。這使得本文的算法能夠用于處理大型的復(fù)雜網(wǎng)絡(luò),例如基因網(wǎng)絡(luò),互聯(lián)網(wǎng)絡(luò),社交網(wǎng)絡(luò)等。
【關(guān)鍵詞】：復(fù)雜網(wǎng)絡(luò) 社團(tuán)提取 高斯混合模型 EM算法 主成分分析
【學(xué)位授予單位】：云南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：O157.5
【目錄】：

• 摘要3-4
• Abstract4-6
• 目錄6-8
• 第一章 緒論8-12
• 1.1 研究背景及意義8-9
• 1.1.1 研究背景8
• 1.1.2 研究意義8-9
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀9-10
• 1.3 研究思路及論文結(jié)構(gòu)10-12
• 1.3.1 本文的主要研究?jī)?nèi)容10-11
• 1.3.2 論文結(jié)構(gòu)11-12
• 第二章 復(fù)雜網(wǎng)絡(luò)及社團(tuán)尋找算法概述12-21
• 2.1 復(fù)雜網(wǎng)絡(luò)基本理論12-13
• 2.1.1 復(fù)雜網(wǎng)絡(luò)發(fā)展歷史12-13
• 2.1.2 復(fù)雜網(wǎng)絡(luò)的表示13
• 2.2 社團(tuán)結(jié)構(gòu)的基本理論13-17
• 2.2.1 社團(tuán)結(jié)構(gòu)定義13-15
• 2.2.2 社團(tuán)結(jié)構(gòu)的定量描述——模塊度函數(shù)15-17
• 2.3 復(fù)雜網(wǎng)絡(luò)社團(tuán)尋找的常用算法17-21
• 2.3.1 優(yōu)化算法17
• 2.3.2 遺傳算法17-19
• 2.3.3 基于統(tǒng)計(jì)模型的推理算法19-21
• 第三章 基于高斯混合模型的復(fù)雜網(wǎng)絡(luò)劃分算法21-36
• 3.1 高斯混合模型21-23
• 3.2 期望最大化算法23-32
• 3.2.1 期望最大化算法推導(dǎo)23-25
• 3.2.2 期望最大化算法收斂性25-29
• 3.2.3 高斯混合模型中的期望最大化算法29-32
• 3.3 主成分分析32-33
• 3.4 基于主成分分析的混合高斯模型33-36
• 第四章 復(fù)雜網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)劃分算法實(shí)驗(yàn)36-49
• 4.1 常用的實(shí)際網(wǎng)絡(luò)實(shí)驗(yàn)結(jié)果36-42
• 4.1.1 空手道俱樂(lè)部網(wǎng)絡(luò)36-38
• 4.1.2 海豚網(wǎng)絡(luò)38-40
• 4.1.3 足球隊(duì)網(wǎng)絡(luò)40-41
• 4.1.4 政治書(shū)網(wǎng)絡(luò)41-42
• 4.2 人工合成網(wǎng)絡(luò)42-49
• 第五章 總結(jié)與展望49-51
• 5.1 本文工作總結(jié)49
• 5.2 下一步工作展望49-51
• 參考文獻(xiàn)51-54
• 致謝54

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 李曉佳;張鵬;狄增如;樊瑛;;復(fù)雜網(wǎng)絡(luò)中的社團(tuán)結(jié)構(gòu)[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2008年03期

2 柴變芳;賈彩燕;于劍;;基于統(tǒng)計(jì)推理的社區(qū)發(fā)現(xiàn)模型綜述[J];計(jì)算機(jī)科學(xué);2012年08期

3 楊博;劉大有;金弟;馬海賓;;復(fù)雜網(wǎng)絡(luò)聚類方法[J];軟件學(xué)報(bào);2009年01期

，

本文編號(hào)：751768