復(fù)雜網(wǎng)絡(luò)能夠?qū)⒄鎸嵤澜缰袕V泛存在的復(fù)雜系統(tǒng)用網(wǎng)絡(luò)的形式表示出來,例如社交網(wǎng)絡(luò)、生物網(wǎng)絡(luò)、交通網(wǎng)絡(luò)等。對該領(lǐng)域的研究,不僅吸引了大量來自管理科學(xué)、計算機(jī)科學(xué)和物理學(xué)等領(lǐng)域科研人員的廣泛關(guān)注,也引起了社會學(xué)、生物學(xué)等學(xué)科學(xué)者們極大的研究興趣,復(fù)雜網(wǎng)絡(luò)研究已經(jīng)成為一個重要的多學(xué)科交叉研究熱點領(lǐng)域。同時,由于大數(shù)據(jù)技術(shù)的迅速發(fā)展,獲取和深入挖掘網(wǎng)絡(luò)數(shù)據(jù)成為可能。大量的研究表明,復(fù)雜網(wǎng)絡(luò)中存在社團(tuán)結(jié)構(gòu),具有社團(tuán)內(nèi)部節(jié)點間連接緊密,社團(tuán)之間的節(jié)點間連接稀疏的特點。社團(tuán)探測（community detection）,也被稱為社團(tuán)發(fā)現(xiàn)、社團(tuán)識別、社團(tuán)挖掘等。進(jìn)行社團(tuán)探測的目的就在于發(fā)現(xiàn)網(wǎng)絡(luò)中真實存在的社團(tuán)結(jié)構(gòu),以助于深入理解網(wǎng)絡(luò)中社團(tuán)內(nèi)部個體和不同社團(tuán)之間個體的關(guān)系,同時也為研究網(wǎng)絡(luò)中其他的性質(zhì)和功能提供基礎(chǔ)。近些年,有許多不同類型的社團(tuán)探測算法被提出,主要基于模塊度優(yōu)化、隨機(jī)概率模型、譜理論以及馬爾可夫動力學(xué)等方法。隨著網(wǎng)絡(luò)規(guī)模越來越大,以及社團(tuán)結(jié)構(gòu)的廣泛應(yīng)用,對社團(tuán)探測算法的精度和效率都提出了更高的要求;又由于節(jié)點角色的多樣化,以及隸屬關(guān)系的多重性,非重疊社團(tuán)劃分已經(jīng)不能滿足于某些特定的需求,因而... 

【文章頁數(shù)】：126 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 社團(tuán)的概念
        1.2.2 非重疊社團(tuán)探測算法
        1.2.3 重疊社團(tuán)探測算法
        1.2.4 社團(tuán)探測算法的評價標(biāo)準(zhǔn)
    1.3 論文主要研究內(nèi)容和創(chuàng)新點
    1.4 論文的組織框架
第2章 理論基礎(chǔ)
    2.1 復(fù)雜網(wǎng)絡(luò)表示方法
    2.2 社團(tuán)質(zhì)量評價
        2.2.1 模塊度函數(shù)
        2.2.2 模塊度函數(shù)的優(yōu)化問題
    2.3 社團(tuán)探測的數(shù)學(xué)模型
        2.3.1 非重疊社團(tuán)探測數(shù)學(xué)模型
        2.3.2 重疊社團(tuán)探測數(shù)學(xué)模型
        2.3.3 基于多目標(biāo)優(yōu)化的社團(tuán)探測數(shù)學(xué)模型
    2.4 本章小結(jié)
第3章 基于分割-凝聚的社團(tuán)探測算法
    3.1 引言
    3.2 分割-凝聚兩階段社團(tuán)探測算法
        3.2.1 節(jié)點相似度指標(biāo)
        3.2.2 分割:形成最相似鄰居群
        3.2.3 凝聚:依據(jù)吸引力指標(biāo)進(jìn)行合并
        3.2.4 分割-凝聚算法(DA)
    3.3 實驗與分析
        3.3.1 真實網(wǎng)絡(luò)
        3.3.2 計算機(jī)生成網(wǎng)絡(luò)
        3.3.3 真實網(wǎng)絡(luò)和計算機(jī)生成網(wǎng)絡(luò)的比較
        3.3.4 相似性指標(biāo)的選擇
        3.3.5 復(fù)雜度分析
    3.4 本章小結(jié)
第4章 網(wǎng)絡(luò)預(yù)壓縮下基于多目標(biāo)優(yōu)化算法的社團(tuán)探測
    4.1 引言
    4.2 Com-MOEA/D算法
        4.2.1 問題定義
        4.2.2 網(wǎng)絡(luò)壓縮
        4.2.3 編碼方式
        4.2.4 種群初始化
        4.2.5 交叉算子
        4.2.6 變異算子
        4.2.7 Com-MOEA/D算法的框架
    4.3 實驗與分析
        4.3.1 實驗設(shè)計
        4.3.2 真實網(wǎng)絡(luò)
        4.3.3 計算機(jī)生成網(wǎng)絡(luò)
        4.3.4 壓縮率的影響
        4.3.5 相似性指標(biāo)的選擇
    4.4 本章小結(jié)
第5章 基于核心團(tuán)擴(kuò)張和調(diào)整的重疊社團(tuán)劃分算法
    5.1 引言
    5.2 Core OCD算法
        5.2.1 相關(guān)定義
        5.2.2 Core OCD算法框架
        5.2.3 核心團(tuán)構(gòu)建
        5.2.4 局部擴(kuò)張階段
        5.2.5 調(diào)整階段
        5.2.6 復(fù)雜度分析
    5.3 實驗與分析
        5.3.1 實驗設(shè)計
        5.3.2 計算機(jī)生成網(wǎng)絡(luò)
        5.3.3 真實網(wǎng)絡(luò)上的對比實驗
    5.4 本章小結(jié)
第6章 社團(tuán)探測的應(yīng)用研究
    6.1 引言
    6.2 疾病傳播模型
    6.3 免疫策略
        6.3.1 社團(tuán)探測
        6.3.2 免疫節(jié)點候選集的生成
        6.3.3 基于局部優(yōu)化的遺傳算法選擇目標(biāo)免疫節(jié)點
        6.3.4 復(fù)雜度分析
    6.4 實驗
        6.4.1 實驗設(shè)計
        6.4.2 實驗結(jié)果及分析
    6.5 本章小結(jié)
第7章 總結(jié)與展望
    7.1 總結(jié)
    7.2 工作展望
參考文獻(xiàn)
攻讀博士學(xué)位期間發(fā)表的學(xué)術(shù)論著
致謝


【參考文獻(xiàn)】：
期刊論文
[1]面向大規(guī)模網(wǎng)絡(luò)的快速重疊社團(tuán)挖掘算法[J]. 李政廉,吉立新,黃瑞陽,蘭巨龍.  電子學(xué)報. 2019(02)
[2]基于貢獻(xiàn)函數(shù)的重疊社區(qū)劃分算法[J]. 劉功申,孟魁,郭弘毅,蘇波,李建華.  電子與信息學(xué)報. 2017(08)
[3]NETWORK ANALYSIS OF TERRORIST ACTIVITIES[J]. FU Julei,FAN Ying,WANG Yang,WANG Shouyang.  Journal of Systems Science ＆ Complexity. 2014(06)
[4]社會網(wǎng)絡(luò)中基于局部信息的邊社區(qū)挖掘[J]. 潘磊,金杰,王崇駿,謝俊元.  電子學(xué)報. 2012(11)
[5]復(fù)雜網(wǎng)絡(luò)簇結(jié)構(gòu)探測——基于隨機(jī)游走的蟻群算法[J]. 金弟,楊博,劉杰,劉大有,何東曉.  軟件學(xué)報. 2012(03)
[6]復(fù)雜網(wǎng)絡(luò)社區(qū)挖掘—基于聚類融合的遺傳算法[J]. 何東曉,周栩,王佐,周春光,王喆,金弟.  自動化學(xué)報. 2010(08)
[7]遺傳算法選擇策略比較[J]. 張琛,詹志輝.  計算機(jī)工程與設(shè)計. 2009(23)

博士論文
[1]基于學(xué)術(shù)大數(shù)據(jù)的科學(xué)家合作行為分析與挖掘[D]. 王偉.大連理工大學(xué) 2018

碩士論文
[1]復(fù)雜網(wǎng)絡(luò)中層次重疊社區(qū)發(fā)現(xiàn)算法研究[D]. 施偉.重慶大學(xué) 2013



本文編號：3695711