复杂网络动态模式挖掘若干算法研究-计算机科学与技术;计算机应用技术专业论文.docx

ALGORITHMS RESEARCH ON 11111111111111111111111111111111111111111111111111 Y1847531 DYNAMIC PATTERNS MINING IN COMPLEX NETWORKS A Dissertation Submitted to Southeast University For the Academic Degree ofDoctor ofEngineering BY YAN Lei-ming Supervised by Prof. SUN Zhi占Ul School of Computer Science Engineering Southeast University May 2010 东南大学学位论文独创性声明 。本人声明所里交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我 一间工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明井表示了谢意。 。 研究生签名:闷庸也期: po-ttJ.5. I 东南大学学位论文使用授权声明 东南大学、中国科学技术信息研究所、国家周书馆有权保留本人所送交学位论文的复印 件和电子文挡，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质 论文的内容相一致。除在保密期内的保密论文外，允许论文被置阅和借阅，可以公布(包括 以电子信息形式刊登)论文的全部内容或中、英文摘要等部分内容。论文的公布(包括以电 子信息形式刊登)授权东南大学研究生院办理。 …f组叫日期:/).. !tJ \ ?， 摘要 复杂网络的挖掘研究拥有广泛的 f何时领域，例如生物网络、化学网络、 Intemet 、合作 附和l杜会网络等。挖制功态网络模式已 tf 引缸 J 极大的关洁，这是冈 JJ 现实1战界中大多数的 复杂系统占?{走动态模化的，可以 M动态可变的网络米描沽，其蕴含的动和模式无法川的 f 态网 络准确描述。 d有的频繁予回帧式、黯炎和 fl:f5Z结构挖阳等问题的研究成果，大部;二:在于静 态网络的，仅能反映动态网络中一个子附内的模式，并不能{良好地揭示时间和 l空间I域内所 蕴含的演化模式 j油化规律。挖掘动态网络中隐曦的动态模式只 l找们带米了全新的挑战。本 文对多种动态演化模式挖峭的若干问是县和 l算法进行了探入探索，力国从 1敢观角度掏水复杂网 络在时空|坎城内的凶化规律，主要研究 L作如卜〉 (1)关于动态网络的挖掘，目前主要集中在挖掘无权问的拓扑结构，较少涉及有权圆 的挖掘，然而动态有权国在真实网络中是大堆存在的，权值的模化也是网络演化中不可分割 的一部分。针对动态何权剧，提出了一种基于相关 f 模式的 ιSTC 樵刑，并设计了…种联 合聚类 (Biclustering) 算法 ιSTC ，挖掘;在一定时间阪间内地的权俏演化趋势线性相关的时 空阪域。算法以后缀树 JJ 索训结构，避免了穷举各种模式，从而快边捉取全部聚类结果。合 成数据ij真实基囚调控网络数据的实验证明了算法的有效性和可行性。 (2) 对动态有权阁，控制权值变化ii:线性相关的趋势 Motifo 走5势 Motif 是一种有向子 剧，反映拓扑结构与权值共问作用时在一定时间民间上的演化模式。引入广义信息论中二次 旦的息作只j 相似性的数，结合滑动窗口技术，建立了…种权值向挝 t:线性相关棋刑。在此幕 础上提出了复杂网络趋势 Motif 挖掘算法 MI-TMotifo 实验结果显示 MI-TMotif 算怯具有良 好的i在行性能，成功挖掘出非线性相关的趋势 Motifo (3) 研究动态无权网络微观演化模式的挖掘问题，即从边演化的角度，挖掘在时间维 上反复出现的于国序列和 l对应的演化动作序州。提山了挖掘 n法 EPMiner ，以随机过程的状 态转移描述演化过梢，以演化肘子|割拓扑结构的变化描述演化模式，提取具中的州繁模式， 以拥示j演化动作与频繁子网拓扑结构之间的关联关系。通过挖掘合成数据 14真实数据，验证 了算洁的有放性，所得到的演化模式显示，此类棋式能够提供丰富的动态演化信息。 (4)已有的频繁予回挖搁方沽，通常是挖掘时间上同步的频繁子团，成者忽略时间网 索，不能移功时间标记进行对齐，即不能识别时间异步的频繁子圆。为揭示更加复始的出化 模式，对动态无权闯，挖掘在时间维上的频繁演化 Motif ，即由问步问构和l 异步问构的频繁 f 回所构成的i寅化状态序列，从而观察 f 刨纣构征随时间演化时所经历的演化轨迹，揭示同 部f 剧结