本文關(guān)鍵詞：復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)中心性多元評(píng)估與社團(tuán)探測新算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：對(duì)復(fù)雜網(wǎng)絡(luò)的定性和定量特征進(jìn)行研究,有助于揭示復(fù)雜網(wǎng)絡(luò)的普遍規(guī)律和未知信息,在計(jì)算機(jī)科學(xué)、物理科學(xué)、生物科學(xué)、社會(huì)科學(xué)、數(shù)學(xué)等諸多學(xué)科中具有重要意義。復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)中心性評(píng)估及其對(duì)社團(tuán)探測影響等問題一直是復(fù)雜網(wǎng)絡(luò)研究的熱點(diǎn),系統(tǒng)研究這些問題有利于解釋網(wǎng)絡(luò)成因,理解網(wǎng)絡(luò)結(jié)構(gòu),指導(dǎo)網(wǎng)絡(luò)行為和提高人類對(duì)復(fù)雜網(wǎng)絡(luò)的認(rèn)知。本論文主要研究復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)中心性多元評(píng)估與基于節(jié)點(diǎn)中心性的社團(tuán)探測算法,主要工作與創(chuàng)新點(diǎn)如下：針對(duì)復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)中心性單指標(biāo)評(píng)估的片面性和不穩(wěn)定性等問題,以及多指標(biāo)評(píng)估算法計(jì)算時(shí)間復(fù)雜度高和不精確等問題。對(duì)特征向量中心性、中介中心性、緊密中心性、點(diǎn)度中心性、互信息中心性等指標(biāo)向量進(jìn)行深入研究,同時(shí),對(duì)主流數(shù)據(jù)降維算法進(jìn)行對(duì)比分析,提出了一種節(jié)點(diǎn)中心性多元評(píng)估算法(MI-LDA)。該算法將高維模式樣本投影到最佳鑒別矢量空間,將特征空間維數(shù)進(jìn)行壓縮。仿真結(jié)果表明,該算法能夠更高效地找到網(wǎng)絡(luò)的中心節(jié)點(diǎn),相比其他的主流數(shù)據(jù)降維算法,MI-LDA時(shí)間復(fù)雜度更低。為進(jìn)一步提高節(jié)點(diǎn)中心性評(píng)估的精確度,提出另外一種節(jié)點(diǎn)中心性多元評(píng)估算法(MI-LLE)。該算法將各項(xiàng)指標(biāo)值作為初始數(shù)據(jù)輸入,在保留鄰居節(jié)點(diǎn)的情況下,最小化代價(jià)函數(shù),將數(shù)據(jù)降維轉(zhuǎn)化為特征分解的問題,然后將高維樣本投影到低維樣本空間實(shí)現(xiàn)數(shù)據(jù)維數(shù)的壓縮,從而識(shí)別出中心節(jié)點(diǎn)。實(shí)驗(yàn)結(jié)果表明,相比其他主流數(shù)據(jù)降維算法,此算法計(jì)算精確度更高。由于大部分網(wǎng)絡(luò)的中心節(jié)點(diǎn)即為社團(tuán)的中心,提出一種基于節(jié)點(diǎn)中心性的社團(tuán)探測算法Infomap-SA,該算法首先利用LDA算法識(shí)別出中心節(jié)點(diǎn),并按降序排列。隨后利用基于隨機(jī)行走編碼的Infomap算法,同時(shí)引入模擬退火思想優(yōu)化模塊度函數(shù)。仿真結(jié)果表明Infomap-SA算法能夠?qū)ι鐖F(tuán)進(jìn)行準(zhǔn)確檢測、高效劃分,比Infomap算法具有更高的模塊度和連接密度,更低的時(shí)間復(fù)雜度,并且更適用于大規(guī)模網(wǎng)絡(luò)的社團(tuán)探測。充分利用CNM算法全局性層次聚類的優(yōu)點(diǎn),同時(shí)結(jié)合節(jié)點(diǎn)中心性的思想,提出一種新型的基于節(jié)點(diǎn)中心性的社團(tuán)探測算法CNM-Centrality,該算法基于快速貪婪聚類算法CNM,應(yīng)用PageRank算法進(jìn)行中心節(jié)點(diǎn)識(shí)別,然后對(duì)中心節(jié)點(diǎn)與其臨近節(jié)點(diǎn)進(jìn)行優(yōu)化劃分。實(shí)驗(yàn)結(jié)果表明CNM-Centrality算法能夠?qū)ι鐖F(tuán)進(jìn)行準(zhǔn)確探測、高效劃分,比CNM、Infomap、Walktrap等算法具有更高的模塊度值和歸一化互信息(NMI)值。本論文研究并實(shí)現(xiàn)了節(jié)點(diǎn)中心性多元評(píng)估算法MI-LDA和MI-LLE,以及基于節(jié)點(diǎn)中心性的社團(tuán)探測算法Infomap-SA和CNM-Centrali ty.將這些算法在真實(shí)世界網(wǎng)絡(luò)和基于LFR準(zhǔn)則生成的網(wǎng)絡(luò)中進(jìn)行仿真實(shí)驗(yàn),并與主流多元評(píng)估算法和主流社團(tuán)探測算法進(jìn)行了詳細(xì)的對(duì)比分析,實(shí)驗(yàn)結(jié)果均表明新算法有更高的精確性和有效性,具有較好的研究意義和實(shí)用價(jià)值。
【關(guān)鍵詞】：復(fù)雜網(wǎng)絡(luò) 節(jié)點(diǎn)中心性 多元評(píng)估 社團(tuán)探測 Infomap-SA算法 CNM-Centrality算法
【學(xué)位授予單位】：華中師范大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：O157.5
【目錄】：

• 摘要5-7
• Abstract7-12
• 第一章 前言12-26
• 1.1 研究背景與意義12-15
• 1.1.1 研究背景12-13
• 1.1.2 研究意義13-15
• 1.2 國內(nèi)外研究現(xiàn)狀15-21
• 1.2.1 復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)中心性評(píng)估研究現(xiàn)狀15-17
• 1.2.2 復(fù)雜網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)探測研究現(xiàn)狀17-21
• 1.3 研究目標(biāo)與研究內(nèi)容21-24
• 1.3.1 研究目標(biāo)21-22
• 1.3.2 研究內(nèi)容22-24
• 1.4 論文章節(jié)安排24-26
• 第二章 相關(guān)理論與指標(biāo)參數(shù)26-41
• 2.1 復(fù)雜網(wǎng)絡(luò)的基本特性26-27
• 2.2 多元統(tǒng)計(jì)分析與數(shù)據(jù)降維理論27-30
• 2.2.1 多元統(tǒng)計(jì)分析和數(shù)據(jù)降維27-28
• 2.2.2 線性數(shù)據(jù)降維與非線性數(shù)據(jù)降維28
• 2.2.3 數(shù)據(jù)降維算法介紹28-30
• 2.3 復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)中心性評(píng)估30-34
• 2.3.1 復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)中心性意義31
• 2.3.2 復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)中心性定義31
• 2.3.3 復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)中心性評(píng)估指標(biāo)31-34
• 2.4 社團(tuán)結(jié)構(gòu)探測34-38
• 2.4.1 社團(tuán)結(jié)構(gòu)探測意義34-35
• 2.4.2 社團(tuán)結(jié)構(gòu)探測指標(biāo)及參數(shù)35-37
• 2.4.3 社團(tuán)探測相關(guān)算法介紹37-38
• 2.5 仿真網(wǎng)絡(luò)38-40
• 2.6 本章小結(jié)40-41
• 第三章 節(jié)點(diǎn)中心性多元評(píng)估算法(MI-LDA)實(shí)現(xiàn)41-53
• 3.1 MI-LDA算法思想描述41
• 3.2 MI-LDA算法實(shí)現(xiàn)與復(fù)雜性分析41-43
• 3.3 ARPA網(wǎng)絡(luò)仿真與評(píng)估43-52
• 3.4 本章小結(jié)52-53
• 第四章 節(jié)點(diǎn)中心性多元評(píng)估算法(MI-LLE)實(shí)現(xiàn)53-68
• 4.1 MI-LLE算法思想描述53
• 4.2 MI-LLE算法實(shí)現(xiàn)與復(fù)雜性分析53-55
• 4.3 真實(shí)世界網(wǎng)絡(luò)仿真與評(píng)估55-67
• 4.3.1 Zachary空手道俱樂部網(wǎng)絡(luò)仿真55-58
• 4.3.2 寬吻海豚網(wǎng)絡(luò)評(píng)估58-62
• 4.3.3 悲慘世界網(wǎng)絡(luò)仿真62-64
• 4.3.4 E-mail網(wǎng)絡(luò)仿真64-67
• 4.4 本章小結(jié)67-68
• 第五章 基于節(jié)點(diǎn)中心性的社團(tuán)探測算法(Infomap-SA)實(shí)現(xiàn)68-82
• 5.1 Infomap-SA算法思想描述68
• 5.2 Infomap-SA算法實(shí)現(xiàn)與復(fù)雜性分析68-72
• 5.3 真實(shí)世界網(wǎng)絡(luò)的仿真與評(píng)估72-76
• 5.3.1 Zachary空手道俱樂部網(wǎng)絡(luò)仿真72-73
• 5.3.2 寬吻海豚網(wǎng)絡(luò)仿真73-74
• 5.3.3 悲慘世界人物關(guān)系網(wǎng)絡(luò)仿真74
• 5.3.4 真實(shí)世界網(wǎng)絡(luò)評(píng)估分析74-76
• 5.4 基于LFR準(zhǔn)則生成的網(wǎng)絡(luò)仿真與評(píng)估76-80
• 5.4.1 基于LFR準(zhǔn)則生成網(wǎng)絡(luò)仿真76-77
• 5.4.2 基于LFR準(zhǔn)則生成網(wǎng)絡(luò)評(píng)估分析77-80
• 5.5 本章小結(jié)80-82
• 第六章 基于節(jié)點(diǎn)中心性的社團(tuán)探測算法(CNM-Centrality)實(shí)現(xiàn)82-97
• 6.1 CNM-Centrality算法思想描述82
• 6.2 CNM-Centrality算法實(shí)現(xiàn)與復(fù)雜性分析82-86
• 6.3 真實(shí)世界網(wǎng)絡(luò)的仿真與評(píng)估86-91
• 6.3.1 Zachary空手道俱樂部網(wǎng)絡(luò)仿真87
• 6.3.2 寬吻海豚網(wǎng)絡(luò)仿真87-88
• 6.3.3 悲慘世界人物關(guān)系網(wǎng)絡(luò)仿真88-89
• 6.3.4 美國國家西部電力網(wǎng)絡(luò)仿真89
• 6.3.5 真實(shí)世界網(wǎng)絡(luò)評(píng)估分析89-91
• 6.4 基于LFR準(zhǔn)則生成網(wǎng)絡(luò)的仿真與評(píng)估91-96
• 6.4.1 基于LFR準(zhǔn)則生成網(wǎng)絡(luò)1仿真91-92
• 6.4.2 基于LFR準(zhǔn)則生成網(wǎng)絡(luò)2仿真92
• 6.4.3 基于LFR準(zhǔn)則生成網(wǎng)絡(luò)3仿真92-94
• 6.4.4 基于LFR準(zhǔn)則生成網(wǎng)絡(luò)評(píng)估分析94-96
• 6.5 本章小結(jié)96-97
• 第七章 結(jié)論與展望97-100
• 7.1 全文總結(jié)97-98
• 7.2 研究展望98-100
• 附錄-名詞解釋100-102
• 參考文獻(xiàn)102-109
• 在校期間發(fā)表的論文109-110
• 致謝110-111

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王曉東;解非線性0-1規(guī)劃的一個(gè)算法及其在結(jié)構(gòu)優(yōu)化中的應(yīng)用[J];數(shù)值計(jì)算與計(jì)算機(jī)應(yīng)用;1988年01期

2 張曉;;基于密度聚類算法的異常檢測[J];伊犁師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年04期

3 陳沐天;找周期子字的算法[J];應(yīng)用數(shù)學(xué)學(xué)報(bào);1991年01期

4 丁才昌;方勃;魯小平;;分布估計(jì)算法及其性能研究[J];武漢大學(xué)學(xué)報(bào)(理學(xué)版);2005年S2期

5 石明蘭;楊暉;葉東毅;;面向目標(biāo)的關(guān)聯(lián)規(guī)則挖掘的一個(gè)FP增長算法[J];集美大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年02期

6 張維群;;基于海量數(shù)據(jù)關(guān)聯(lián)效應(yīng)測度算法的設(shè)計(jì)[J];統(tǒng)計(jì)與信息論壇;2012年07期

7 羅蕾,徐洪利;構(gòu)造Dn-最優(yōu)確切設(shè)計(jì)的優(yōu)化方法──離散算法[J];遼寧大學(xué)學(xué)報(bào)(自然科學(xué)版);1999年02期

8 賀永恒;王斌;;基于蟻群算法的候選標(biāo)簽子集構(gòu)造方法研究[J];中國科技信息;2014年06期

9 武小悅,沙基昌;構(gòu)造網(wǎng)絡(luò)不交化最小路集的一種新算法[J];系統(tǒng)工程理論與實(shí)踐;2000年01期

10 姜建國;劉永青;劉夢楠;王國林;李f ;;類電磁機(jī)制算法研究與改進(jìn)[J];計(jì)算力學(xué)學(xué)報(bào);2014年01期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前2條

1 潘志明;鄭駿;錢衛(wèi)寧;周傲英;;構(gòu)造XML相似相關(guān)結(jié)構(gòu)庫的一種有效方法[A];第二十屆全國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2003年

2 林景亮;董槐林;姜青山;吳書;;一種基于新增閾值的頻繁模式挖掘算法[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前7條

1 張磊;基于概念格的角色工程相關(guān)算法研究[D];哈爾濱工業(yè)大學(xué);2015年

2 孟靜;新型Krylov子空間算法及其應(yīng)用研究[D];電子科技大學(xué);2015年

3 胡芳;復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)中心性多元評(píng)估與社團(tuán)探測新算法研究[D];華中師范大學(xué);2015年

4 唐益明;（1，2，2）型異蘊(yùn)涵泛三I算法及其應(yīng)用研究[D];合肥工業(yè)大學(xué);2011年

5 牛云云;求解計(jì)算困難問題的膜計(jì)算模型與算法研究[D];華中科技大學(xué);2012年

6 李冬冬;基因組序列標(biāo)注的算法與理論研究[D];國防科學(xué)技術(shù)大學(xué);2004年

7 周琨;航空公司航班運(yùn)行調(diào)度模型與算法研究[D];南京航空航天大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 閆銘;基于度量學(xué)習(xí)的不完整數(shù)據(jù)聚類方法研究[D];哈爾濱工業(yè)大學(xué);2015年

2 張小瓊;基于改進(jìn)螢火蟲群優(yōu)化算法的BP神經(jīng)網(wǎng)絡(luò)研究[D];廣西大學(xué);2015年

3 李俊杰;基于蟻群算法的聚類區(qū)分器設(shè)計(jì)研究[D];電子科技大學(xué);2014年

4 艾慧;天波雷達(dá)電離層污染校正與測高算法研究[D];電子科技大學(xué);2015年

5 陳紅強(qiáng);大規(guī)模并行排序?qū)W習(xí)算法研究[D];西安電子科技大學(xué);2014年

6 郭艷茹;k-中心平面聚類模型與算法研究[D];浙江工業(yè)大學(xué);2015年

7 白鷺;基于自適應(yīng)人工免疫進(jìn)化的網(wǎng)格聚類算法研究[D];沈陽大學(xué);2010年

8 紀(jì)彤坤;概念格Chein算法的研究與改進(jìn)[D];華南理工大學(xué);2012年

9 錢偉強(qiáng);一種基于改進(jìn)粒子群和K均值結(jié)合的聚類算法[D];西安電子科技大學(xué);2011年

10 張菲;蜂群混合算法[D];西安電子科技大學(xué);2013年

  本文關(guān)鍵詞：復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)中心性多元評(píng)估與社團(tuán)探測新算法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：299841