复杂网络社团结构探测研究-计算机应用技术专业论文.docx

致 谢 在论文完成之际，首先要由衷的感谢我的导师——刘建辉教授。在选题和研究方法等 方面，导师给予我耐心的指导和帮助。他用他渊博的学识、严谨的治学态度、敏捷的洞察 力深深地影响着我们每一个人。为我们今后的学习、工作树立了榜样，这两年多的研究生 生活为我今后的人生积累了宝贵的财富。 其次我要感谢我的老师——冀常鹏老师。冀老师在平时严格监督我们的学术论文的完 成情况，定期对我们的学习情况进行检查，督促我们不断丰富自己的知识，有了老师的谆 谆教导我会更加努力，更加完善自己的知识。 我要感谢我们同组的同学们，感谢他们帮助我学习知识上不懂的地方，感谢班上同学 对我的照顾。 我感谢每一个帮助过我的人，谢谢你们。 - - I - 摘 要 复杂网络社团结构的研究为人类发现更多实际意义的社团提供了更多的借鉴。本文主 要研究了复杂网络的社团结构探测算法，通过对已有算法的学习和研究，改进了一种基于 K-means 的算法，在不知道社团结构的前提下对复杂网络进行划分，算法简单、易理解， 把算法应用在 karate 网络中，实验结果表明此算法是有效的。另外借鉴基于节点密度等性 质，提出了一种基于节点间相似度的复杂网络社团结构探测算法(BSTN)，此算法迭代次数 大大减少，在计算机生成的已知社团结构的随机网络中检验，结果表明此算法比 GN 算法 具有更高的准确率。另外还在实际网络中进行验证，本文使用的是空手道俱乐部网络(karate 网络)、美国大学足球俱乐部网络(Football 网络)和电子邮件网络(Email 网络)，实验结果与 Newman 算法进行了比较，本文提出的算法拥有更少的迭代次数，近似或者更大的模块化 函数值，说明此算是有效的；并且能够对算法得出的社团结构进行了合理地解释，说明算 法划分得出的结果是符合实际的，是合理的。 关键词：复杂网络；社团结构；k-means；Newman 算法；模块化函数 - - II - Abstract The research on complex network community structure has provided more references for people find more practical significance of the communities. This paper mainly studies the complex network detection algorithm, through learning and research on existing algorithms, and improves an algorithm based on K-means, which detects the community structure of complex networks under the premise of unknown community structure. The algorithm is simple, easy understanding. Using the algorithm in network, the experimental results show that this algorithm is effective. Another reference node density properties, this paper puts forward a method community structure detection algorithms (BSTN) based on similarity between the nodes of the complex network, the algorithm greatly reduce iteration times, using the algorithm in the computer generated stochastic network known community structure, the result shows that this algorithm has higher accuracy than GN algorithm. Also in the actual network, this paper uses karate club network (karate network), the American College Football club network (football network) and the Email network, experimental results compare to Newman algorithm