时序网络结构建模与演化分析研究

发布时间：2023-06-04 01:14

　　网络是刻画和分析复杂系统中个体之间的链接关系及相互影响的有力工具。时序网络是传统网络在时间维度上的拓展,是对真实复杂系统更准确地抽象。因此,时序网络的研究具有重大的理论意义和实用价值。本文重点围绕时序网络结构建模与演化分析等关键问题,系统地从网络节点、链接以及社区三个层次,分别开展关键节点挖掘、未知链接预测以及一致社区发现的研究,并分析研究了合理窗口选择的共性问题。本文主要包括以下四个方面的内容:第一,针对时序网络关键节点挖掘问题,提出了时序网络的超演化矩阵数学表示模型,进一步提出了基于超演化矩阵特征向量中心性的节点重要性度量方法。通过定义超演化矩阵刻画了时序网络片段及其层间关联,并引入时间序列分析方法自动估计不同片段之间的关系参数。基于超演化矩阵特殊的下三角形式,设计了高维矩阵特征向量的快速计算方法,实现了时序网络节点重要性的有效度量。实验结果表明:本模型方法能够对时序网络节点重要性进行更有效排序。第二,针对时序网络链接关系预测问题,提出了基于时间序列分析的时序网络结构演化建模,进一步提出了结合网络时序与结构信息的链接关系预测方法。通过引入单变量和多变量的时间序列分析方法,对网络中节...

【文章页数】：136 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
        1.1.1 选题背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 时序网络分析研究进展
        1.2.2 关键节点挖掘研究进展
        1.2.3 链接关系预测研究进展
        1.2.4 社区结构发现研究进展
    1.3 本文的组织与安排
        1.3.1 总体思路
        1.3.2 章节安排
        1.3.3 创新之处
第二章 时序网络关键节点挖掘
    2.1 时序网络的超矩阵建模
        2.1.1 超演化矩阵建模
        2.1.2 层间链路的定义
    2.2 超矩阵特征向量中心性度量
        2.2.1 超矩阵特征向量中心性
        2.2.2 时序网络结构特征度量
    2.3 实验验证与分析
        2.3.1 真实网络数据
        2.3.2 关键节点的挖掘
        2.3.3 重要节点的结构特性分析
        2.3.4 增强了节点之间的差异性
    2.4 本章小结
第三章 时序网络链接关系预测
    3.1 基于结构相似性度量
        3.1.1 基于节点的相似性度量指标
        3.1.2 基于路径的相似性度量指标
    3.2 时间序列分析预测模型
        3.2.1 单变量时间序列分析
        3.2.2 多变量时间序列分析
        3.2.3 融合时序与结构信息
    3.3 实验验证与分析
        3.3.1 评价指标
        3.3.2 真实网络数据
        3.3.3 各类方法预测效果
        3.3.4 融合方法预测效果
    3.4 本章小结
第四章 时序网络社区结构发现
    4.1 社区发现谱聚类算法
        4.1.1 时序网络矩阵表示
        4.1.2 归一化拉普拉斯矩阵谱聚类
    4.2 时序谱融合社区划分算法
        4.2.1 时序特征谱融合方法
        4.2.2 时序谱聚类划分模型
    4.3 实验验证与分析
        4.3.1 评价指标
        4.3.2 仿真网络实验分析
        4.3.3 真实网络实验分析
    4.4 本章小结
第五章 时序网络合理窗口选择
    5.1 基于距离度量的阈值判断
        5.1.1 网络结构的距离度量
        5.1.2 阈值判断
    5.2 基于特征度量的时间序列建模
        5.2.1 网络的特征度量
        5.2.2 时间序列分析
    5.3 实验验证与分析
        5.3.1 真实网络数据
        5.3.2 基于距离度量的窗口选择
        5.3.3 基于特征度量的时序分析
    5.4 本章小结
第六章 结论与展望
    6.1 本文工作总结
    6.2 下一步研究方向
致谢
参考文献
作者在学期间取得的学术成果



本文编号：3830396