复杂网络社区发现算法及可视化研究

发布时间：2023-11-24 22:00

　　社区结构是现实世界复杂网络中的一个重要特征。在近些年,科学家们已经提出了许多社区发现算法并取得了巨大的成功。研究社区发现算法,有助于了解网络的拓扑特征,发现网络结点之间的关系等,并且在网络个性化信息推荐、电子商务、网络文化安全评估等领域有重要的实用价值。本文主要针对复杂网络中的社区特性和结构展开研究,在比较研究各种现有社区发现算法的基础上,针对存在的问题,提出了一种新的社区发现算法,并设计了一种网络社区发现可视化解决方案。主要工作和创新点包括以下几个方面:论文对现有社区发现算法进行了分析、比较和总结。结合复杂网络相关理论基础,深入分析了现有的典型社区发现算法,包括面向重叠和非重叠社区的发现算法。从多角度全面分析了这些算法的优势和存在的不足之处。发现现有算法普遍存在两个问题:一是在一定程度上依赖于某些先验信息;二是计算复杂度较高,难以应用于大规模网络。并且,社区发现的结果过于抽象,可用性受到限制。针对现有算法的缺陷,本论文研究并提出了基于连接强度的社区发现算法CDCS。本算法的创新之处在于,利用结点间的连接强度把结点划分到不同的社区内。具体而言就是使用弱结点假设原理来决定了该节点所属的社...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
致谢
中文摘要
ABSTRACT
1 引言
    1.1 研究背景及意义
    1.2 研究现状及发展趋势
    1.3 研究内容和主要工作
    1.4 论文结构和安排
2 复杂网络和社会网络基本理论
    2.1 复杂网络基本理论
        2.1.1 复杂网络的定义及来源
        2.1.2 复杂网络的研究模型
        2.1.3 复杂网络的特征及度量
    2.2 社会网络及其分析方法
        2.2.1 社会网络
        2.2.2 分析方法
    2.3 本章小结
3 社区结构发现算法研究
    3.1 以结点为中心的社区发现
        3.1.1 完全的相互关系
        3.1.2 可达性
    3.2 以群组为中心的社区发现
    3.3 以网络为中心的社区发现
        3.3.1 顶点相似性
        3.3.2 隐含空间模型
        3.3.3 谱聚类
        3.3.4 模块度最大化
    3.4 以层次为中心的社区发现
        3.4.1 分裂式层次聚类
        3.4.2 聚合式层次聚类
    3.5 社区评价
    3.6 本章小结
4 基于连接强度的社区发现CDCS
    4.1 CDCS算法理论
    4.2 CDCS算法具体原理和步骤
    4.3 仿真及结果分析
        4.3.1 Zarchary的空手道俱乐部网络
        4.3.2 美国大学橄榄球队网络
        4.3.3 海豚社交网络
        4.3.4 LFR基准测试数据集
        4.3.5 结果分析
    4.4 本章小结
5 D-Treemaps社区网络可视化模型研究
    5.1 D-Treemaps网络可视化模型原理
        5.1.1 多种分组组合
        5.1.2 动态平滑转变
        5.1.3 数据自然顺序及聚类
        5.1.4 组色方法
        5.1.5 展示分组内详细数据
    5.2 具体实施方式
    5.3 网络可视化模型的架构设计
    5.4 实验设计及实现
        5.4.1 实验设计
        5.4.2 实验结果
    5.5 本章小结
6 总结与展望
    6.1 论文总结
    6.2 研究展望
参考文献
作者简历
学位论文数据集



本文编号：3866678