复杂网络社团发现算法研究及应用.pdfVIP

硕十学化论艾 摘要 复杂网络是复杂系统的表现形式，由于这样的网络其节点数量规模较大，而 且节点与节点之间的联系较为复杂，所以这样的网络就被称为“复杂网络”。近 年来，随着对复杂网络特性的分析不断深入，探索网络中的社团结构逐渐成为研 究热点。揭示网络中的社团结构，对于了解网络拓扑结构、分析网络特性、理解 网络中各个部分的功能、发现网络中隐藏的规律和预测网络的行为都尤为重要， 而揭示社团结构的方法就是利用网络中所已知的特性和信息，将看似无规律的网 络划分出隐藏在其中的结构。 由于现存的大部分社团发现算法是基于网络的整体进行计算和划分，其缺点 为时间复杂度相对较高，并且其针对性也相对较弱。本论文认为，根据已知的网 络局部信息所划分出的“局部社团结构”将对于一些网络的研究更加有针对性。 在本文中所提到的“局部社团结构是指根据提供的网络局部信息，按照某种规 则而划分出的社团结构，该结构对所给出的局部信息有着特殊的意义。本文提出 了两种针对不同情况的局部社团划分算法： (1)基于二部图的社团划分算法。二部图结构相对简单，将原网络抽象成 为二部图结构的形式，并将原网络的节点作为二部图中的“下集节点”。在已知 某两点的条件下，通过二部图得到其对应的初始社团结构，利用初始社团结构在 “下集投影’’中利用AaronClauset算法和边介数等概念，划分出与已知节点相关的 “相似性社团”结构。由于在进行局部社团划分时并不需要对整个网络进行计算， 该算法在对随机给出的节点进行计算时，有比较好的即时性。此方法适用于发现 与已知节点相关的“相似性社团”。 (2)基于中心度发现社团将度中心度与流介数中心度相结合，首先计算出 节点的度中心度和流介数中心度，得出网络中的几何中心点和信息、物质或能量 在网络上传输时经过路径最多的节点，并将这两个指标作为一个整体考虑，得到 这两个指标相对比较大的节点，再在这些节点和其邻居节点上利用派系过滤算 法(CPM)，从而发现网络中的“中心社团。此方法可以发现网络中相对“重要的 社团，这对复杂网络上的传播机理、相继故障等分析都有一定的意义。随后利用 该方法分析兰州市公共交通线路网络的中心社团结构，实验结果表明了该社团在 网络中的确起到了比较重要的作用。此方法适用于发现网络中的中心社团结构。 关键词：复杂网络：社团：二部图；中心度 复杂网络礼l才1发现锋法的研究及其应用 Abstract whichtheen- is ofa in A networkasimplified complexsystem complex representation inthenetworkandtheinterrelationsbetween titiesofthe are thenodes representedby system and entitiesare thelinks of detection analysis representedby joiningpairsnodes．Recently,the hasattracteda dealof of structuresin networks community complex great