复杂网络中的社区发现算法研究-信息与通信工程专业论文.docx

万方数据 万方数据 A Dissertation Submitted to PLA Information Engineering University for the Degree of Master of Engineering Research on Community Detection Algorithms in Complex Networks Candidate： He Chenglong Supervisor： Prof. Ma Hong Jun. 2015 原创性声明 本人声明所提交的学位论文是本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和撰写 过的研究成果，也不包含为获得信息工程大学或其他教育机构的学位或证书而使用过的材 料。与我一同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并表示谢 意。 学位论文题目： 复杂网络中的社区发现算法研究 学位论文作者签名： 日期： 年 月 日 作者指导教师签名： 日期： 年 月 日 学位论文版权使用授权书 本人完全了解信息工程大学有关保留、使用学位论文的规定。本人授权信息工程大学 可以保留并向国家有关部门或机构送交论文的复印件和电子文档，允许论文被查阅和借阅； 可以将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、汇编学位论文。 （保密学位论文在解密后适用本授权书。） 学位论文题目： 复杂网络中的社区发现算法研究 学位论文作者签名： 日期： 年 月 日 作者指导教师签名： 日期： 年 月 日 保密级别： 保密年限： 年 月至 年 月 （密委员会公章） 摘 要 随着复杂网络研究的兴起，从复杂网络的角度研究复杂系统受到了越来越多的关注。 现实世界中大量的复杂系统均可以用复杂网络来描述。社区结构作为复杂网络的重要特性 之一，引起了研究者的广泛关注。社区发现即为挖掘复杂网络中的模块化的社区结构的过 程，这对于理解复杂网络的功能、发现复杂网络中隐藏的规律和预测复杂网络的行为具有 重要的意义。然而，随着网络规模不断扩大，网络结构更加复杂，社区发现也变得异常困 难。目前，已有的社区发现算法还存在以下问题：（1）现有的社区发现算法难以准确地发 现稳定的重叠社区结构；（2）基于节点的社区发现算法难以发现网络中重叠度较高的社区 结构；（3）传统的社区发现算法仅仅关注网络中的模块化社区结构，无法进一步识别社区 中的层次关系。本文针对上述问题展开研究，主要工作和研究成果如下： 1. 提出了一种基于非重叠极大子团的标签传播社区发现算法。该算法在标签传播算 法的基础上，对其进行三个方面的改进：在标签初始化阶段，通过查找网络中非重叠的极 大子团结构，赋予每个非重叠的极大子团唯一的标签；在标签传播阶段，通过选取具有最 大标签传播率的标签来更新节点标签；在社区调整阶段，通过合并相似度较高的社区来提 升社区发现的质量。将该算法分别应用于计算机生成网络和真实的社会网络，实验结果表 明：该算法很好地解决了标签传播算法的鲁棒性问题，并能准确地发现网络中的重叠社区。 2. 提出了一种基于核心链路的重叠社区发现算法。相较于当前的基于节点的重叠社 区发现算法，该算法从链路的角度出发，通过选取核心链路，并根据链路影响力的强弱不 断吸引外层链路进而形成链路社区结构；再将链路社区转化为节点社区，经过节点社区调 整后，得到全局最优的重叠社区结构。该算法是一种无监督算法，无需输入额外参数。将 该算法分别应用于计算机生成网络和真实的社会网络，实验结果表明，相较于其它算法， 该算法能够更好地发现重叠度较高的社区结构。 3. 提出了一种基于种子节点集的社区层次结构发现算法。该算法通过选取种子节点， 并根据余弦相似度的大小添加其最近邻节点共同构成种子节点集；再由种子节点集出发， 基于分辨率公式进行社区层次结构探测，根据节点加入社区的度值比来判断是否到达层次 边界；最后在已发现完毕的社区外选取新的种子节点集，并由此出发直到全网络的社区层 次结构发现完毕。将该算法分别应用于人工网络和真实社会网络，实验表明，相较于其它 算法，该算法能够准确地发现网络中全部的社区层次结构。 关键词：复杂网络，社区发现，重叠社区，层次社区，标签传播，链路聚类，社区分辨 率 第 I 页 第 II 页 ABSTRACT With the prevalence of the research in the complex network, more and more researchers study the complex system from the point of the complex network. Many co