复杂网络中社团发现算法的分析-计算机科学与技术专业论文.docx

摘要 摘要 I I 摘 要 复杂网络的研究是现今科学研究中的一个重要研究方向。复杂网络中存在着 大量的社团结构。发现复杂网络中的社团结构是了解整个复杂网络结构和功能的 重要途径。随着信息量的急剧增长，经典的社团发现算法由于时间复杂度高，已 经无法完成大规模复杂网络的社团发现，研究准确度高且时间复杂度低的大规模 复杂网络的社团发现算法迫在眉睫。由于社团中的重要节点在社团中具有很大的 影响力，所以发现社团中的重要节点对网络的安全、控制和监管具有重要意义。 然而常见的重要节点发现算法考虑因素片面单一，且是用于寻找全网中的重要节 点，因此，就需要探索考虑因素周全的社团中重要节点的发现算法。 经典的社团发现算法主要研究的是无权网。无权网无法体现出网络中节点之 间的连接强度，且大多真实的网络是加权网。这些网络用加权网络模型描述更加 合理，因此本文在对复杂网络进行社团发现前先对具有社团结构的加权网建模。 考虑到两点间的连接次数、共同邻点的个数和点权的影响，本文建立了基于共同 邻点的加权网模型。本文分别对 3 个标准测试网络用基于共同邻点的加权网模型 建模，验证了此模型中节点的度和点权都符合幂律分布。 目前大多数的社团发现算法利用全局模块度对节点进行社团划分，时间复杂 度高，本文提出了基于邻边的局部社团发现算法。结合局部社团的邻边特性，本 文提出了局部社团的判断函数，并对加权网的边进行社团划分，发现重叠社团。 然后定义了重叠点的归属判断函数对重叠点进一步划化，从而得到非重叠社团。 本文对 3 个标准测试网络和 2 个大规模网络用基于邻边的局部社团发现算法划分 社团，并与经典的社团发现算法对比。仿真结果表明，本文算法不仅准确度高且 时间复杂度低，大大提高了算法的执行效率，适合发现大规模复杂网络中的社团。 在划分得到的社团中，发现社团中的重要节点。针对常见的重要节点发现算 法考虑因素片面单一，本文结合节点的连接状态、节点在社团中的位置、节点的 权重及其邻居节点的影响，提出了社团中重要节点的发现算法。本文定义了加权 网中的接近度因子、度中心性因子和邻点影响的附加因素，提出了社团中节点的 重要度函数，利用此函数发现社团中的重要节点。通过对 3 个标准测试网络和 2 个大规模网络的仿真，发现了社团中的重要节点。与常见的重要节点发现算法相 比，本文算法更合理且易区分开节点的重要度，适合用于大规模的复杂网络中。 关键词：大规模复杂网络,加权网模型,局部社团发现,边划分,社团中重要节点 ABSTRACT ABSTRACT II II ABSTRACT Nowadays, the study of complex networks has become an important research direction in scientific research. There are a lot of community structures in complex networks. And detecting the community structures in complex networks is an important way to understand the structure and function of complex networks. With the amount of information rapid growth, classic community detection algorithms are unable to detect the community structures in large-scale complex networks because of their high time complexity. Therefore, researching a new community detection algorithm with high accuracy and low time complexity for large-scale complex networks is imminent. Due to the important node in the community has a great influence, detecting the important node in the community is of great significance for the security, control and regulation of the network. However, current common important nodes detection algorithms consider