發(fā)布時(shí)間：2024-05-10 06:03

　　近幾年,大數(shù)據(jù)、人工智能持續(xù)發(fā)展,變得越來(lái)越高效,在日常生活中也得到了廣泛的應(yīng)用。網(wǎng)絡(luò)承載著龐大而復(fù)雜的數(shù)據(jù)信息。其內(nèi)部結(jié)構(gòu)的研究無(wú)疑蘊(yùn)含著豐富的信息量和強(qiáng)大的吸引力,社團(tuán)結(jié)構(gòu)檢測(cè)技術(shù)應(yīng)運(yùn)而生。分析網(wǎng)絡(luò)的結(jié)構(gòu),描述網(wǎng)絡(luò)的特征能夠更好地認(rèn)識(shí)網(wǎng)絡(luò)的特質(zhì),預(yù)測(cè)網(wǎng)絡(luò)更替的規(guī)律�，F(xiàn)有研究的傳統(tǒng)的社團(tuán)檢測(cè)方法中,非重疊社團(tuán)檢測(cè)算法為更多人所選擇。但隨著研究的深入,與實(shí)際網(wǎng)絡(luò)更為匹配的重疊社團(tuán)檢測(cè)方法后來(lái)居上,開(kāi)辟了新的研究思路。本文通過(guò)對(duì)SLPA算法的了解與研究的基礎(chǔ)上,提出了基于模塊度優(yōu)化的重疊社團(tuán)檢測(cè)算法MLPA+算法。將模塊度優(yōu)化思想與SLPA算法相互融合,減少了SLPA在傳播標(biāo)簽時(shí)的隨機(jī)性,模塊度比率平方根最大化的展現(xiàn)使得算法在前期進(jìn)行初始社團(tuán)劃分,在標(biāo)簽傳播階段,通過(guò)計(jì)算比較Adamic-Adar指標(biāo)選擇最優(yōu)鄰居節(jié)點(diǎn),當(dāng)最優(yōu)鄰居節(jié)點(diǎn)有多個(gè)時(shí),則選擇它們的標(biāo)簽中出現(xiàn)次數(shù)最多的標(biāo)簽,對(duì)當(dāng)前節(jié)點(diǎn)進(jìn)行更新標(biāo)簽,最終使得社團(tuán)檢測(cè)結(jié)果更符合真實(shí)社團(tuán)結(jié)構(gòu)。通過(guò)在五組人工網(wǎng)絡(luò)數(shù)據(jù)集和四組真實(shí)網(wǎng)絡(luò)數(shù)據(jù)集進(jìn)行社團(tuán)檢測(cè),實(shí)驗(yàn)結(jié)果對(duì)比分析表明,MLPA+算法在功能上存在著明顯的優(yōu)勢(shì)。加之算法的收斂速度較為迅速,...

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 算法研究現(xiàn)狀
        1.2.2 應(yīng)用研究現(xiàn)狀
    1.3 論文研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
第二章 理論基礎(chǔ)及相關(guān)工作
    2.1 復(fù)雜網(wǎng)絡(luò)相關(guān)概念
    2.2 社團(tuán)基本概念
    2.3 節(jié)點(diǎn)重要性與相似性
        2.3.1 節(jié)點(diǎn)重要性指標(biāo)
        2.3.2 節(jié)點(diǎn)相似性指標(biāo)
    2.4 傳統(tǒng)社團(tuán)檢測(cè)算法
        2.4.1 基于圖分割的方法
        2.4.2 基于譜分析的方法
        2.4.3 基于圖動(dòng)力學(xué)的方法
        2.4.4 基于層次劃分的方法
        2.4.5 基于信息傳播的方法
        2.4.6 基于模塊度優(yōu)化的方法
    2.5 重疊社團(tuán)檢測(cè)算法
        2.5.1 基于派系過(guò)濾的方法
        2.5.2 基于邊聚類(lèi)的方法
        2.5.3 基于層次劃分的方法
        2.5.4 基于局部擴(kuò)張的方法
        2.5.5 基于信息傳播的方法
    2.6 本章小結(jié)
第三章 基于模塊度優(yōu)化的重疊社團(tuán)改進(jìn)算法
    3.1 相關(guān)概念
        3.1.1 模塊度
        3.1.2 節(jié)點(diǎn)相似性指標(biāo)
        3.1.3 重疊節(jié)點(diǎn)
    3.2 算法思想及步驟
        3.2.1 輸入處理
        3.2.2 初始社團(tuán)劃分
        3.2.3 標(biāo)簽傳播過(guò)程
        3.2.4 重點(diǎn)節(jié)點(diǎn)
        3.2.5 算法流程圖
    3.3 算法時(shí)間復(fù)雜度分析
    3.4 本章小結(jié)
第四章 實(shí)驗(yàn)論證與分析
    4.1 社團(tuán)檢測(cè)評(píng)價(jià)指標(biāo)
        4.1.1 標(biāo)準(zhǔn)化互信息
        4.1.2 擴(kuò)展模塊度
        4.1.3 劃分密度
        4.1.4 擴(kuò)展劃分密度
    4.2 實(shí)驗(yàn)數(shù)據(jù)集
        4.2.1 人工網(wǎng)絡(luò)數(shù)據(jù)集
        4.2.2 真實(shí)網(wǎng)絡(luò)數(shù)據(jù)集
    4.3 結(jié)果分析與展示
        4.3.1 MLPA+在人工數(shù)據(jù)集的結(jié)果分析
        4.3.2 MLPA+在真實(shí)數(shù)據(jù)集的結(jié)果分析
    4.4 本章小結(jié)
第五章 基于MLPA+算法的數(shù)據(jù)分析模型
    5.1 模型概述
    5.2 模型應(yīng)用
        5.2.1 數(shù)據(jù)預(yù)處理
        5.2.2 案件分析
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 工作展望
參考文獻(xiàn)
在學(xué)期間的研究成果
致謝



本文編號(hào)：3968803