復(fù)雜網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)識(shí)別算法研究.pdf

1、自然界中，復(fù)雜網(wǎng)絡(luò)系統(tǒng)隨處可見(jiàn)。不管是人們可以感知的經(jīng)濟(jì)系統(tǒng)、引文網(wǎng)絡(luò)系統(tǒng)、食物鏈網(wǎng)絡(luò)系統(tǒng)，還是人們不可感知的生物化學(xué)系統(tǒng)，這些復(fù)雜網(wǎng)絡(luò)系統(tǒng)都擁有著各自的屬性和聯(lián)系。為了充分地研究這些復(fù)雜網(wǎng)絡(luò)系統(tǒng)，學(xué)者們抽象出一種模型—復(fù)雜網(wǎng)絡(luò)。近年來(lái)，復(fù)雜網(wǎng)絡(luò)的崛起引起了相關(guān)領(lǐng)域?qū)＜覀兊母叨汝P(guān)注，也迅速成為他們研究的重點(diǎn)內(nèi)容。學(xué)者們通過(guò)進(jìn)一步地研究和分析，發(fā)現(xiàn)不同的現(xiàn)實(shí)網(wǎng)絡(luò)模型卻有著相同的特性。社團(tuán)結(jié)構(gòu)是描述復(fù)雜網(wǎng)絡(luò)的一個(gè)關(guān)鍵特征，也是網(wǎng)絡(luò)中最普通且

2、最關(guān)鍵的一個(gè)拓?fù)鋵傩?。研究社團(tuán)結(jié)構(gòu)不僅具有重要的理論意義，而且具有實(shí)際應(yīng)用價(jià)值。社團(tuán)結(jié)構(gòu)可以幫助人們更好地認(rèn)識(shí)和了解網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)、復(fù)雜網(wǎng)絡(luò)的功能模塊、節(jié)點(diǎn)之間的隱藏關(guān)系，也可以預(yù)測(cè)網(wǎng)絡(luò)系統(tǒng)的變化趨勢(shì)。
　　在復(fù)雜網(wǎng)絡(luò)的社團(tuán)結(jié)構(gòu)識(shí)別過(guò)程中，模塊度度量和其衍生出的度量指標(biāo)起了很重要的作用，并催生了一大批重要的社團(tuán)識(shí)別算法。但這種通過(guò)一般模塊度優(yōu)化方法來(lái)獲取復(fù)雜網(wǎng)絡(luò)的社團(tuán)結(jié)構(gòu)存在分辨率問(wèn)題，影響了模塊度優(yōu)化方法的準(zhǔn)確性和應(yīng)用廣度。針對(duì)

3、模塊度優(yōu)化時(shí)所產(chǎn)生的分辨率問(wèn)題，本文將提出應(yīng)用增強(qiáng)模塊度優(yōu)化方法，從而有效地避免分辨率問(wèn)題。由于社團(tuán)結(jié)構(gòu)的劃分和聚類算法的思想類似，可以探索使用數(shù)據(jù)挖掘的方法和理論來(lái)研究復(fù)雜網(wǎng)絡(luò)的社團(tuán)結(jié)構(gòu)問(wèn)題。因此，本文將已成熟的聚類算法應(yīng)用到復(fù)雜網(wǎng)絡(luò)社團(tuán)識(shí)別問(wèn)題上。本文的主要工作如下：
　　(1)基于增強(qiáng)模塊度社團(tuán)識(shí)別算法：首先，該算法應(yīng)用隨機(jī)游走理論把無(wú)向無(wú)權(quán)網(wǎng)絡(luò)通過(guò)預(yù)處理轉(zhuǎn)化為無(wú)向有權(quán)網(wǎng)絡(luò)，預(yù)處理后的網(wǎng)絡(luò)社團(tuán)之間的連邊權(quán)值小，社團(tuán)內(nèi)部中連邊

4、的權(quán)值大。然后，使用 CNM算法對(duì)實(shí)際網(wǎng)絡(luò)進(jìn)行劃分，并使用無(wú)向有權(quán)網(wǎng)絡(luò)的模塊度公式來(lái)衡量劃分結(jié)果的好壞。本文提出了一種將隨機(jī)游走理論與CNM算法結(jié)合的社團(tuán)識(shí)別算法，其劃分結(jié)果表明這種算法可以有效地避免模塊度優(yōu)化時(shí)所產(chǎn)生的分辨率問(wèn)題。將該算法應(yīng)用到人工網(wǎng)絡(luò)或社團(tuán)結(jié)構(gòu)較為顯著的現(xiàn)實(shí)網(wǎng)絡(luò)中，識(shí)別出的社團(tuán)效果較好。
　　(2)基于聚類算法思想的社團(tuán)結(jié)構(gòu)識(shí)別算法：基于邊的信息中心度，本文提出了節(jié)點(diǎn)親密度的概念，并構(gòu)建了節(jié)點(diǎn)親密度矩陣。然后，