不確定網(wǎng)絡中概率模體挖掘算法的研究.pdf

1、許多經(jīng)典問題都用圖結構來表示，圖結構與關系數(shù)據(jù)相比有著更強的表達能力。網(wǎng)絡模體的挖掘是研究復雜網(wǎng)絡的重要分析手段，網(wǎng)絡模體是指網(wǎng)絡中頻繁出現(xiàn)的互相連接的子結構，其在原網(wǎng)絡中出現(xiàn)頻度明顯高于在隨機網(wǎng)絡中出現(xiàn)頻度。實驗表明，網(wǎng)絡模體的研究有助于研究網(wǎng)絡的功能模塊和網(wǎng)絡動態(tài)變化過程。目前，國內(nèi)外學者對模體的挖掘的研究已經(jīng)有了一定進展，其研究主要集中在確定網(wǎng)絡模體挖掘。然而，在現(xiàn)實生活中，信息不精確、甚至缺失常常是無法避免的，此外，網(wǎng)絡表示的問

2、題本身也可能是動態(tài)變化的。這使得抽象出的圖模型，往往帶有不確定概率信息。
　　因此，本文針對不確定網(wǎng)絡概率模體挖掘進行了研究，主要工作包括:
　　(1)基于概率距離的性質(zhì)，提出了不確定圖概率同構的概念。并對不確定圖概率距離進行了推導，所得的定理為后續(xù)算法的實現(xiàn)提供理論依據(jù)，并且簡化了計算法則。
　　(2)提出了不確定圖概率同構算法。在經(jīng)典圖同構算法VF2算法的基本框架上，將不確定圖概率同構概念納入搜索過程，使得算法能夠

3、找到滿足條件的最優(yōu)匹配。實驗驗證了該算法能快速判斷不確定圖概率同構。
　　(3)提出了一種不確定網(wǎng)絡頻繁概率模式挖掘算法。該算法采用基于劃分的非樹形子圖方法搜索指定大小的子圖，利用分級層次聚類算法對子圖集合進行聚類。該算法能夠快速地在不確定網(wǎng)絡中批量地得到頻繁概率模式。
　　(4)提出了一種概率模體統(tǒng)計意義評價算法，該算法將原網(wǎng)絡的拓撲特性與概率權值進行分離，利用確定網(wǎng)絡隨機產(chǎn)生算法使得網(wǎng)絡的拓撲結構得到充分的隨機，利用EM