复杂网络的社团结构划分方法及其研究-计算机应用技术专业论文.docx

安徽大学 2010 安徽大学 2010 届硕士学位论文 复杂网络的社团结构划分方法及其研究 IV IV clustering, significance and current methods commonly used in clustering. 3. The method of multi-community finding in complex networks using the spectral bisection method based on multidimensional eigenvector from normal matrix is provided. This algorithm combines information on multiple feature vectors and use clustering analysis in data mining to detect the community structure in complex networks. Clustering analysis algorithm is an important tool for community detecting，In this dissertation, several common clustering algorithm are used. We demonstrate the availability of our algorithms in two different kinds of network. We also make the comparison and analysis of the experimental results in initial sensitivity, time complexity, and accuracy. The algorithm enables the efficient division of many communities in relevant network where the clustering characteristics aren’t very obvious. And the same time, the experiments find that the algorithm based on modularity function may not be able to find all of the real network community. Keyword: complex networks; community structure; clustering; normal matrix 第一章 第一章 绪论 PAGE PAGE 10 第一章 绪论 1.1 引言 科技的进步，特别是计算机网络信息技术的发展使人类社会步入了网络的时 代[1]。其实我们一直处于各式各样的复杂网络中，大自然的生态网络，动物个体 的神经网络、新陈代谢网络，国家之间的政治、经济、关系网络，以及与人类日 常生活密切相关的电力网络、交通运输网络。由此可见，人类时时刻刻都处在复 杂网络的世界中。这些网络每时每刻都在影响着人类社会和人类生活，如：网络 病毒在互联网传播，SARS病毒，禽流感的扩散，城市交通网络的合理布局，经 济危机的产生及对世界经济的影响，生命科学中蛋白质网络结构的研究等。这些 因素决定了需要对各种自然和人工复杂网络进行认识和研究[2,3]。复杂网络之所 以称之为复杂，不仅在于网络规模的巨大，节点多，节点之间的边多导致的网络 结构复杂，而且网络行为还具有复杂性，网络在时间、空间上也都有动态的复杂 性。 对复杂网络的研究兴起于数学领域，著名的欧拉“七桥问题”是图论的研究 开端，随机图理论的建立在数学上开创了对复杂网络的系统性研究的先例[4]。然 而这些研究只是简单的、随机的、抽象的数学方法上的研究。现实中网络并不完 全是简单规则和随机的。直到20世纪末，对复杂网络的研究终于不再局限于数学 领域，考虑到现实中的大量节点及复杂连接结构的实际网络，科学家从社会学到 物理学等众多学科中掀起了复杂网络的研究热潮。这一时期两个重要研究的发现 推动了复杂网络研究新纪元的到来:1998年Watts和Strogatz将随机性引入到规则 网路中，建立了著名的小世界网络模型(WS小世界网络模型)，该模型真实的描 述了实际网络存在的小世界特性[5]；1999年，Barabasi和Albert在对万维网的数据 进行统计分析时，考虑到实际网络中网络规模的不断增长特性（节点数量的不断 增加）与网络中新的节点倾向于优先连接度较大节点的两个性