本文關(guān)鍵詞：社區(qū)發(fā)現(xiàn)的模塊度問題及其算法研究

  更多相關(guān)文章： 社區(qū)發(fā)現(xiàn) 模塊度 信息傳播 親密度矩陣

【摘要】：隨著信息技術(shù)的快速發(fā)展,人們漸漸發(fā)現(xiàn)層出不窮的網(wǎng)絡(luò)具有相同的特性,例如蛋白質(zhì)網(wǎng)絡(luò)、電力網(wǎng)絡(luò)、社交網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò),并把這些網(wǎng)絡(luò)統(tǒng)稱為復(fù)雜網(wǎng)絡(luò)。這些網(wǎng)絡(luò)和人類的生活密切相關(guān),對(duì)它們進(jìn)行研究能夠改善人類的生活,促進(jìn)人類的發(fā)展。因此,研究復(fù)雜網(wǎng)絡(luò)具有重要的意義。社區(qū)結(jié)構(gòu)是理解復(fù)雜網(wǎng)絡(luò)的一種重要方式。隨著對(duì)復(fù)雜網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)的研究,出現(xiàn)了很多種類的社區(qū)發(fā)現(xiàn)算法。模塊度最大化算法是這些算法中的一個(gè)重要的組成部分,相對(duì)其它算法,它能夠?qū)ι鐓^(qū)發(fā)現(xiàn)結(jié)果的優(yōu)劣進(jìn)行量化,從而更好地評(píng)價(jià)算法結(jié)果。但是由于模塊度存在分辨率限制問題,使得算法在計(jì)算過程中會(huì)將某些較小的社區(qū)合并,導(dǎo)致算法不準(zhǔn)確。為了解決這個(gè)問題,本文提出了一種新的算法計(jì)算網(wǎng)絡(luò)中結(jié)點(diǎn)的親密度,并將計(jì)算結(jié)果導(dǎo)入到模塊度局部最優(yōu)的社區(qū)發(fā)現(xiàn)算法中,提高了算法的精度。為了計(jì)算節(jié)點(diǎn)之間的親密度,本文引入了k路徑邊中心度,并利用其對(duì)網(wǎng)絡(luò)進(jìn)行預(yù)處理。k路徑邊中心度能夠有效衡量網(wǎng)絡(luò)中每條邊的中心度,反應(yīng)網(wǎng)絡(luò)的全局信息。本文首先對(duì)k值進(jìn)行優(yōu)化,縮短計(jì)算時(shí)間,并利用邊中心度和節(jié)點(diǎn)度計(jì)算節(jié)點(diǎn)之間的親密度。親密度將網(wǎng)絡(luò)的全局信息與局部信息相結(jié)合,更好地反映了節(jié)點(diǎn)之間的關(guān)系。然后,將親密度矩陣與LM算法結(jié)合進(jìn)行社區(qū)發(fā)現(xiàn),得到計(jì)算結(jié)果。最后進(jìn)行算法實(shí)現(xiàn),在人工網(wǎng)絡(luò)和真實(shí)網(wǎng)絡(luò)上進(jìn)行實(shí)驗(yàn),研究了不同k值下,算法的計(jì)算時(shí)間以及計(jì)算結(jié)果,為網(wǎng)絡(luò)中k值的選取提供參考,并與其它的模塊度最大化算法進(jìn)行對(duì)比分析,實(shí)驗(yàn)數(shù)據(jù)表明本文算法的模塊度有了一定的提高,并且能夠發(fā)現(xiàn)更多的社區(qū),有效解決了分辨率限制問題。
【關(guān)鍵詞】：社區(qū)發(fā)現(xiàn) 模塊度 信息傳播 親密度矩陣
【學(xué)位授予單位】：華東師范大學(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6-7
• Abstract7-11
• 第一章 引言11-16
• 1.1 研究背景和意義11-12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀12-14
• 1.3 關(guān)鍵問題與技術(shù)路線14
• 1.4 主要工作與特色之處14-15
• 1.5 本文的組織結(jié)構(gòu)15-16
• 第二章 相關(guān)概念介紹16-24
• 2.1 社區(qū)結(jié)構(gòu)的定義16-19
• 2.1.1 強(qiáng)社區(qū)和弱社區(qū)16
• 2.1.2 模塊度16-19
• 2.2 模塊度最大化算法19-23
• 2.2.1 LM算法19-20
• 2.2.2 CONCLUDE算法20-21
• 2.2.3 COPRA算法21-22
• 2.2.4 OSLOM算法22-23
• 2.3 本章小結(jié)23-24
• 第三章 K路徑邊中心度改進(jìn)24-29
• 3.0 K路徑邊中心度定義24-25
• 3.1 ERW-KPATH算法25-28
• 3.2 本章小結(jié)28-29
• 第四章 基于親密度的社區(qū)發(fā)現(xiàn)算法29-34
• 4.1 親密度的表示29-32
• 4.2 算法框架32-33
• 4.3 本章小結(jié)33-34
• 第五章 實(shí)驗(yàn)結(jié)果分析與比較34-46
• 5.1 測(cè)試數(shù)據(jù)34-36
• 5.1.1 LFR基準(zhǔn)網(wǎng)絡(luò)34-35
• 5.1.2 真實(shí)網(wǎng)絡(luò)35-36
• 5.2 K值選取36-42
• 5.2.1 LFR基準(zhǔn)網(wǎng)絡(luò)36-38
• 5.2.2 真實(shí)網(wǎng)路38-42
• 5.3 算法實(shí)驗(yàn)測(cè)試42-44
• 5.3.1 LFR基準(zhǔn)網(wǎng)絡(luò)42-44
• 5.3.2 真實(shí)網(wǎng)絡(luò)44
• 5.4 本章小結(jié)44-46
• 第六章 總結(jié)與展望46-48
• 6.1 本文總結(jié)46
• 6.2 未來研究工作展望46-48
• 附錄1 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄48-49
• 附錄2 部分實(shí)驗(yàn)數(shù)據(jù)49-58
• 致謝58-59
• 參考文獻(xiàn)59-61

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前1條

1 ;測(cè)測(cè)你與伴侶的性匹配度[J];科學(xué)大觀園;2014年11期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫 前1條

1 梁曉燕;黃燕;魏嵐;;宿舍親密度和適應(yīng)性與大學(xué)生孤獨(dú)感的關(guān)系研究[A];全國(guó)教育與心理統(tǒng)計(jì)測(cè)量學(xué)術(shù)年會(huì)論文摘要集[C];2006年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫 前1條

1 本報(bào)記者 張?jiān)?父母如何教育“不聽話”的孩子？[N];珠海特區(qū)報(bào);2011年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 王永剛;以數(shù)據(jù)為中心的在線社會(huì)網(wǎng)絡(luò)若干安全問題研究[D];北京大學(xué);2013年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前7條

1 華燁;基于相對(duì)關(guān)系親密度的局部社團(tuán)發(fā)現(xiàn)算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

2 霍麗婕;以增加親密度為目的的會(huì)話分析[D];復(fù)旦大學(xué);2013年

3 曹坤宇;基于親密度及影響力的微博社交興趣圈挖掘算法研究[D];天津大學(xué);2013年

4 王偉偉;人際親密度對(duì)自我道德行為的影響[D];寧波大學(xué);2014年

5 趙天宸;彩印SNS用戶親密度模型的設(shè)計(jì)與實(shí)現(xiàn)[D];北京郵電大學(xué);2013年

6 張聰;微博用戶關(guān)注推薦及排名策略研究[D];鄭州大學(xué);2012年

7 張家利;社區(qū)發(fā)現(xiàn)的模塊度問題及其算法研究[D];華東師范大學(xué);2015年

，

本文編號(hào)：990464