復雜網絡中社區(qū)結構層次性和重疊性揭示算法研究與實現.pdf

1、當下社會已進入大數據時代，數據挖掘可以幫助用戶發(fā)現隱藏在大量數據中的規(guī)律和模式。復雜網絡，例如社交網，因其龐大復雜性，發(fā)現其中隱藏的規(guī)律和模式，面臨著很大挑戰(zhàn)。復雜網絡通常會呈現出社區(qū)結構特性，如何高效地發(fā)現復雜網絡中的社區(qū)結構特性是當前研究復雜網絡的熱點之一。現有算法大都只能較好地找出社區(qū)結構的層次性或者重疊性。能同時體現復雜網絡中的社團結構層次性和重疊性對于準確地挖掘出網絡中潛在的信息十分重要，本文研究復雜網絡社區(qū)結構中層次性和重疊

2、性的揭示算法，主要工作如下:
　　(1)現有的網絡層次性社團挖掘算法BGLL可以高效準確地挖掘出復雜網絡中的層次性社團結構。但是現實中的網絡是兼?zhèn)鋵哟涡院椭丿B性的，為了更準確地挖掘出復雜網絡潛在的信息，本文側重挖掘重疊性結構對BGLL算法進行了改進，基于節(jié)點加入社團的模塊度貢獻差值的概念，在原始BGLL尋找到網絡層次性社團的基礎上準確快速地找到社團之間的橋梁節(jié)點，優(yōu)化原算法，使優(yōu)化后的算法能同時高效精確地揭示復雜網絡的層次性和重疊

3、性結構。
　　(2)為了檢驗本文提出的BGLL改進算法的性能，對復雜網絡的社團結構挖掘的兩個經典挖掘方法進行了實現，包括基于邊介數的GN算法、FastNewman快速算法。并將本文提出的基于BGLL改進的算法和經典算法以及同時揭示層次性和重疊性的LFM算法運用于多個測試基準網絡，對比這四個算法的性能指標。
　　應用MATLAB實現了所提出的BGLL改進算法，并進行了仿真實驗。仿真結果顯示，BGLL改進后的算法運用于測試基準網