網絡在人們的生活中隨處可見,在網絡中,個體往往通過交換信息形成社區(qū)。對社區(qū)的發(fā)現(xiàn)問題是復雜網絡研究中的一個基礎性研究課題,它要求社區(qū)具有緊密的社區(qū)內結構和稀疏的社區(qū)間結構,這就可以將社區(qū)發(fā)現(xiàn)問題轉化為多目標優(yōu)化問題,而多目標粒子群算法是解決該問題的一種有效方法。在動態(tài)網絡中,網絡的拓撲結構隨時間的變化而變化,根據(jù)這個特點,本文提出了基于共識社區(qū)的多目標粒子群算法（CCPSO）。并將共識社區(qū)分為兩種:種群內共識社區(qū),即從上一時刻的優(yōu)質解中提取得到的“知識”,反映了上一時刻網絡的共性。種群間共識社區(qū)是將上一時刻的“知識”作為指導,在本時刻通過計算支持度,動態(tài)的嵌入種群中,從而使網絡朝著接近前一時刻的方向發(fā)展。通過人造數(shù)據(jù)集和現(xiàn)實世界數(shù)據(jù)集驗證了算法在動態(tài)網絡上的準確性,并對相關參數(shù)進行實驗驗證其合理性。而在靜態(tài)網絡中,多目標粒子群算法使用直觀而且簡單的鄰接矩陣方式,忽略了網絡中的隱藏信息。本文將網絡表示學習方法用于靜態(tài)網絡社區(qū)發(fā)現(xiàn),提出了基于生成對抗模型的多目標粒子群算法（GAN-PSO）。本文通過生成對抗模型學習網絡結點的特征表示,模擬真實網絡結構。再利用得到的特征矩陣,改進粒子群算法的... 

【文章來源】：廈門大學福建省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：80 頁

【學位級別】：碩士

【部分圖文】：

圖２．?４粒子的表示??

圖２．９：分布式表示網絡??

ｅｅｐＷａｌｋ?目標就是最大化?ＺｏｇＰｒＯｉ—ｆｃ，?，…??算法，ＤｅｅｐＷａｌｋ也是可擴展的。ＤｅｅｐＷａｌｋ文中結果顯示，意義的表示，因為它們太大而無法運行頻譜方法。在這樣ｐＷａｌｋ方法明顯優(yōu)于其他稀疏操作的方法。此外，ＤｅｅｐＷａｌ的，允許研宄人員同時更新模型的不同部分。??眼光不僅放在直接相連的結點間的連接概率上，它還注意結點的相似程度。它定義了兩種損失函數(shù)，一種是一階的ｒｏｘｉｍｉｔｙ），另一種是二階臨近關系（ｓｅｃｏｎｄ－ｏｒｄｅｒｐｒｏｘｉｍｉｔｙ要目的是為了解決前面提出的重構網絡信息不全面和網對ＬＩＮＥ的相關概念做一個簡要的說明。??

【參考文獻】：
期刊論文
[1]Community Detection in Dynamic Social Networks Based on Multiobjective Immune Algorithm[J]. 公茂果,張嶺軍,馬晶晶,焦李成.  Journal of Computer Science & Technology. 2012(03)



本文編號：3137883