复杂网络重叠社区结构发现的算法 研究与实现-计算机应用技术专业论文.docx

万方数据 万方数据 CODE：10402 NO.：2013062001 )： Classified Index： A Dissertation for the Master degree of Engineering Research and Implementation of Algorithm for Complex Network Overlapping Community Structure Discovery Candidate Ji Kai.Zhu Supervisor Prof. Chen Bao.Xing Specialty Computer Application Technology Academic Degree Applied for Master of Engineering University Minnan Normal University Date of Oral Examination June 2016 学位论文原创性声明和版权使用授权书 闽 南 师 范 大 学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成 果。除了文中特别加以标注引用的内容外，本文不包含任何其他个人或集体已经发表或 撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标 明。本人完全意识到本声明的法律后果由本人承担。 作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向 国家有关部门或机构送交文的复印件和电子版，允许论文被查阅和借阅。本人授权闽南 师范大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影 印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 1、保密□，在 年解密后适用本授权书。 2、不保密□。 （请在以上相应方框内打“√”） 作者签名： 日期： 年 月 日 导师签名： 日期： 年 月 日 中文 中文摘要 摘要 复杂网络可以用来描述交通网、互联网、社交关系网络、神经网络以及科研合作网 络等现实网络。随着对复杂网络研究的深入，研究者们发现社区结构存在于很多的现实 网络中，并且现实生活中很多社区之间存在相互关联和彼此重叠。基于此我们主要对复 杂网络中社区的发现及划分进行研究。 复杂网络是由节点和边构成，网络中的节点代表不同实体，可以同时属于多个社区； 边表示实体之间的某种关系。在划分社区时可根据节点邻居属性划分其所属社区，本文 基于节点邻居的多样性及节点选取的随机性主要做了以下工作： 1）提 出 复 杂 网 络 重 叠 社 区 结 构 划 分 的 个 体 从 众 演 化 算 法 ICEA （ Individual Conformity Evolutionary Algorithm）。算法根据社区节点的从众和变异属性，使得在划 分社区时根据节点的邻居不同从而产生不同的社区划分结果，通过比较模块度找到比较 好的社区划分，在社区结构确定的基础上我们使用陈俊宇等人的邻居投票机制 LM-NV （Louvain Method with Neighbor Voting）对社区的边界节点进行判断，判断其是否为重 叠节点，从而完成复杂网络重叠社区的划分工作。 2）提出一种基因片段覆盖算法 GFCA（Gene Fragment Covering Algorithm），基本 思想是将由节点邻居组成的个体，随机选取其它个体的一个基因片段覆盖到当前个体的 相应位置上，若覆盖后，模块度有改善，则选择覆盖后的个体作为当前个体；否则保留 原来的个体。在真实网络上进行实验，结果表明此算法具有一定的优势及实际可用性。 为了验证所提算法 ICEA 和 GFCA 社区划分的有效性，我们选取常用于测试复杂网 络划分算法的三个真实数据集 Zachary Karate club、Dolphin Social network 以及 American College football 对两个算法进行了测试，并将我们的算法与 Newman 的 GN 算法和快速 算法 FN、基于改进的 K-means 模糊聚类的网络社区结构划分算法 NKFCM 以及基于粒 子群算法的模糊社区结构划分算法 PFCM 在划分社区的模块度、划分社区个数以及迭代 次数几个方面进行对比分析。实验结果表明本文所提算法 ICEA 和 GFCA 在运行时间和 划分结果等方面都优于典型算法。 关键词：复杂网络；社区划分；重叠节点；基因片段；模块度；演化算法 I 闽南 闽南师范大学工学硕士学位论文 II 英文 英文摘要 ABSTRACT Complex networks can be used to describe tran