復雜網(wǎng)絡的社團結構劃分方法及其研究.pdf

1、信息技術的高速發(fā)展使人類社會大步邁入了網(wǎng)絡時代，既有人們?nèi)粘Ｉ铍x不開的大型電力網(wǎng)絡和交通網(wǎng)絡,更有用于獲取知識信息的Internet網(wǎng)絡，萬維網(wǎng)以及科研合作網(wǎng)絡，人們已經(jīng)生活在一個充滿著各種各樣的復雜網(wǎng)絡的世界中。這些大規(guī)模網(wǎng)絡的廣泛存在，使得研究復雜網(wǎng)絡成為必要，其中主要關注的是網(wǎng)絡的拓撲結構以及網(wǎng)絡上發(fā)生的動力學行為。特別是隨著WS小世界網(wǎng)絡模型和BA無標度網(wǎng)絡模型的提出，吸引了更多科學家加入到對復雜網(wǎng)絡的研究中。
　　

2、社團結構是許多實際復雜網(wǎng)絡中的的一個重要特征。尋找和分析社團結構有助于更好地了解網(wǎng)絡的內(nèi)部結構，分析網(wǎng)絡的性質(zhì)。目前人們已經(jīng)提出了很多算法用于尋找復雜網(wǎng)絡中存在的社團結構。在本文我們將聚類分析方法引入到復雜網(wǎng)絡中社團結構中進行研究。主要工作如下:
　　 1.介紹了復雜網(wǎng)絡的基本概念及其基本性質(zhì)包括度與度分布、聚集系數(shù)與最短路徑、社團結構以及常見的兩種網(wǎng)絡模型。這些屬性和網(wǎng)絡模型是我們研究復雜網(wǎng)絡的前提。
　　 2.綜述了

3、復雜網(wǎng)絡中社團結構算法的研究歷史及其意義，并且詳細分析了尋找網(wǎng)絡中社團結構的幾種代表算法。其中主要包括社會學中的分級聚類和計算機圖形學的圖形分割兩大類算法。這些方法將復雜網(wǎng)絡劃分成若干個節(jié)點較少，結構較簡單的子網(wǎng)絡，從而使研究較為簡便。本文對這些典型的算法進行了介紹對其優(yōu)缺點的也進行了分析，并引入聚類分析，簡單介紹聚類的目的、意義以及目前常用的幾種聚類方法。
　　 3.本文提出一種基于Normal矩陣的多維特征向量的社團劃分算法

4、，該算法在傳統(tǒng)譜平分法的基礎上，綜合了多個特征向量的信息并結合數(shù)據(jù)挖掘中的聚類分析來判斷社團的劃分邊界，尤其是多維特征向量的綜合使得邊界不是很清晰的社團也能夠被較準確地劃分出來。數(shù)據(jù)挖掘中的聚類分析算法，是分析社團結構的重要工具，在本文中采用了常見的幾類聚類算法，并在仿真網(wǎng)絡和真實網(wǎng)絡中從初始敏感度、時間復雜度、和準確率三方面進行了實驗對比，實驗顯示該方法相對其它復雜網(wǎng)絡社團劃分算法不僅對于社團結構明顯的網(wǎng)絡有效，而且在社團結構不明顯的