基于路径相似度的社区检测方法

发布时间：2023-10-27 17:35

　　通过人们对社交系统,信息系统等的整体研究,发现它们背后都可以用复杂网络来表示,复杂网络除了具有无标度特性和小世界特性外,社区结构也是其中一种重要的结构特性.社区结构中的网络聚类现象,可以使网络中的随机节点以组的形式聚团.本论文提出两种不同的网络中社区结构检测模型,具体如下:(1)符号网络社区的检测.在有向加权符号网络中,节点之间的联系有正连接,也有负连接,我们在原有Kuramoto振荡器和DEC文章所提出的相似度的基础上,基于节点不同相似度对节点链接影响不同的原则,提出路径相似度,经过节点相位的动态演变,一段时间达到稳定后,形成不同的同步簇,以此实现社区检测.这个模型不仅适用于小节点网络,对于大社区的检测也取得了一定的优势.(2)正复杂网络社区的检测.在原有的Kuramoto振荡器相位同步的基础上,为了使两个连接的振荡器之间的相位同步,使两个不相连的振荡器之间的相位异步,我们加入了基于路径的相似度计算函数.因为节点的不同邻居有不同的亲密关系,所以有亲密关系的节点更有可能在一个社区,而节点的相似度就是描述他们之间的亲密程度.在这种改进模型的基础上,整个网络会分为几个相位值不同的同步簇.为...

【文章页数】：42 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 复杂网络的研究背景及研究简史
    1.2 复杂网络的基本概念
        1.2.1 复杂网络的图表示
        1.2.2 度与度分布
        1.2.3 平均路径长度
        1.2.4 聚类系数
    1.3 复杂网络社区检测的几种算法
        1.3.1 KL( KerNighanLin) 算法
        1.3.2 GN(Girvan-Newman)算法
        1.3.3 FEC(Finding and Extracting Communities)算法
        1.3.4 Attractor算法
        1.3.5 基于振荡器相位同步的网络动力学社区检测算法
        1.3.6 网络相位聚类模型及应用
        1.3.7 DE_M，DCM
?，DEC算法
    1.4 本文的主要工作安排
第二章 符号网络社区检测
    2.1 符号网络的演化模型
    2.2 算法介绍
        2.2.1 算法流程图
        2.2.2 小社区节点真实网络模型说明
        2.2.3 大社区节点人工网络模型说明
    2.3 小结
第三章 基于网络动力学的正复杂网络社区检测
    3.1 复杂网络动态演化模型
    3.2 算法的详细流程
    3.3 实验仿真与结果分析
    3.4 对标准测试集的仿真并与靳超仿真实验进行对比
        3.4.1 测试空手道俱乐部网络
        3.4.2 测试海豚社会网络
    3.5 小结
第四章 总结与展望
    4.1 本文总结
    4.2 展望
参考文献
致谢
攻读硕士学位期间取得的科研成果



本文编号：3856963