復雜網(wǎng)絡社區(qū)發(fā)現(xiàn)方法研究.pdf

1、當今科學技術的迅速發(fā)展，使得現(xiàn)實生活中不同領域的各種網(wǎng)絡的規(guī)模越來越大，承載的信息量也越來越豐富、復雜。隨著人類科技水平的不斷提高和認識的不斷深入，學者們發(fā)現(xiàn)許多不同領域不同行業(yè)的復雜系統(tǒng)呈現(xiàn)出共同的復雜網(wǎng)絡性質(zhì)，除了短的平均路徑長度的小世界統(tǒng)計性質(zhì)，以及節(jié)點的偏好連接、度分布付出冪率分布的無標度統(tǒng)計性質(zhì)，社區(qū)結(jié)構(gòu)也構(gòu)成了復雜網(wǎng)絡的一種重要結(jié)構(gòu)特征。社區(qū)結(jié)構(gòu)表現(xiàn)為社區(qū)內(nèi)節(jié)點間聯(lián)系緊密、社區(qū)間聯(lián)系稀疏的聚團性質(zhì)，發(fā)現(xiàn)社區(qū)結(jié)構(gòu)對于人們分析復

2、雜網(wǎng)絡的拓撲結(jié)構(gòu)，理解它的隱含模式以及預測復雜網(wǎng)絡的行為具有非常重要的理論意義，在社會網(wǎng)絡、生物網(wǎng)和Internet中都具有廣泛的應用。
　　 本文對復雜網(wǎng)絡中社區(qū)發(fā)現(xiàn)算法進行了相關的研究。首先介紹了復雜網(wǎng)絡社區(qū)結(jié)構(gòu)研究的目的和意義及相關挑戰(zhàn)，接下來對有關復雜網(wǎng)絡的基本知識以及它們的表示方法做了簡單的說明，然后從圖形分割和分級聚類兩大類型對傳統(tǒng)的復雜網(wǎng)絡社區(qū)結(jié)構(gòu)發(fā)現(xiàn)方法進行了闡述。其中圖形分割的經(jīng)典算法有Kernighan-Li

3、n算法以及譜平分法，分級聚類算法有基于分裂思想的GN算法和基于凝聚思想的NF算法，本文在對這些算法的核心思想進行描述的同時分析了當前算法存在的不足。
　　 在對傳統(tǒng)的社區(qū)發(fā)現(xiàn)算法分析的基礎上，本文采用分層凝聚的思想，提出一種通過模塊度最優(yōu)化方法發(fā)現(xiàn)復雜網(wǎng)絡中存在的社區(qū)的算法。本文對該算法進行了詳細的描述，同時利用具體的小型網(wǎng)絡，通過該網(wǎng)絡的可視化的演變過程，來詳細的說明本文提出的算法的具體執(zhí)行過程。最后通過在基準數(shù)據(jù)集和真實數(shù)據(jù)