复杂网络聚类算法研究.pptVIP

科技网络（TechnologicalNetworks）复杂网络分析具有重要研究意义*O(101)O(103)O(108)……对于小规模网络，我们可以通过肉眼观测其形态、特征，但是对于(超)大规模复杂网络，我们将很难通过肉眼深入理解和预测网络的结构、行为和功能，需要借助各种复杂网络分析方法。1.复杂网络聚类方法的研究背景及意义复杂网络已成为当前最重要的多学科交叉研究领域之一。小世界性、无标度性、网络模体和网络簇结构是迄今为止发现的最普遍和最重要的复杂网络拓扑结构属性。SmallWorld(Nature1998)小世界网络：具有较小的平均路径长度，同时具有较大的聚类系数。平均长度：网络中任意两点间最短路径长度的平均值。聚类系数：节点的任意两个邻居节点仍互为邻居的平均概率Scale-freenetwork(Science1999)无标度性：网络的度分布呈现出幂率分布（powerlaw），而不是随机网络的泊松分布：P(K)~K-aDegreedistributionPoissondistributionPower-lawdistributionNetworkMotif(Science1999)NetworkMotif：在统计意义上，网络中频繁出现的子图模式。（某些子图在现实网络中出现的概率明显高于这些子图在随机网络中出现的概率）。NetworkCommunityStructure(Science2002,Nature2005,2007)网络簇结构（networkcommunitystructure）具有同簇节点相互连接密集、异簇节点相互连接稀疏的特点。1.复杂网络聚类方法的研究背景及意义*复杂网络聚类方法的研究对分析复杂网络的拓扑结构、理解复杂网络的功能、发现复杂网络中的隐藏规律和预测复杂网络的行为不仅有十分重要的理论意义，而且有广泛的应用前景。目前已被应用于：恐怖组织识别与组织结构管理等社会网络分析，围绕新陈代谢、蛋白质交互、未知蛋白质功能预测、基因调控和主控基因识别等问题的多种生物网络分析，Web社区挖掘与Web文档聚类，搜索引擎，空间数据聚类，图像分割，以及关系数据分析等众多领域。Nature2005应用例子1–聚类分析*Gaussiansimilarityfunction（高斯相似度函数）:应用例子2社会网络、语义网络、生物网络分析科学家合作网：每个节点表示一个科学家，连接表示科学家之间的合作紧密程度。语义网络:每个节点表示一个英文单词，连接表示词在某个语境下共同出现的频率。(Nature2005)聚类基因网络*Nature2003聚类新陈代谢网络*Nature2005聚类蛋白质网络*(Nature2005)（芽殖酵母菌）的蛋白质交互网络动态社会网络簇结构分析*(Nature2007)该研究结果发现了维持社会结构稳定性的两个基本原则：对于大规模社会机构，其成分的动态变化利于维护该机构的稳定性；相反的，对于小规模机构，其成分的固定不变利于维护该机构的稳定性。基于网络簇结构分析的链接预测*(Nature2008)该研究提出了一种广义的随机网络模型（相对于经典的ER随机网络模型）：（1）具有更强的表达能力，既能刻画assortative网络又能刻画disassortative网络；（2）对于给定的网络，该模型能够精确的预测出网络中的未知链接或缺失链接，并能剔除网络中存在的噪音链接。1.复杂网络聚类方法的研究背景及意义（续）复杂网络聚类方法已成为图论、复杂网络、数据挖掘等理论的重要组成部分和相关课程的核心内容。如康奈尔大学计算机系开设了《TheStructureofInformationNetworks》课程，麻省理工电子工程和计算机系开设了《NetworksandDynamics》课程。由于复杂网络聚类研究具有重要的理论意义和应用价值，它不仅成为计算机领域中最具挑战性的基础性研究课题之一，也吸引了来自物理、数学、生物、社会学和复杂性科学等众多领域的研究者，掀起了一股研究热潮。从2002年至今，新的方法层出不穷，新的应用领域不断被拓展，不同领域的权威国际杂志和多个重要国际学术会议多次报道这方面的研究工作。01022.复杂网络聚类方法的研究现状及分析复杂网络聚类方法的分类基于优化的复杂网络聚类算法启发式复杂网络聚类算法其它网络聚类算法2.1复杂网络聚类方法的分类*?基于优化的