不確定圖的代表實例發(fā)現(xiàn)算法.pdf

1、社交網(wǎng)絡及生物網(wǎng)絡等許多領(lǐng)域的數(shù)據(jù)都可建模成邊帶有存在概率的不確定圖。不確定圖上的查詢與挖掘問題具有廣泛應用。目前，不確定圖數(shù)據(jù)查詢與挖掘問題面臨很多挑戰(zhàn)，其中最重要的挑戰(zhàn)是計算代價非常高。因為不確定圖上的精確查詢需要對指數(shù)級別數(shù)量的實例進行評估，所以即使一個簡單的查詢問題在不確定圖上都成了＃P-完全問題?，F(xiàn)有的不確定圖數(shù)據(jù)查詢與挖掘算法通?；诓蓸蛹夹g(shù)。采樣技術(shù)需要對不確定圖的所有可能世界進行隨機采樣，并在大量獲得的樣本上進行相關(guān)的查

2、詢處理，因此計算代價較高。為進一步提高不確定圖查詢與挖掘問題的效率，本文研究不確定圖代表性實例發(fā)現(xiàn)算法，即從不確定圖的所有實例中找出一個或多個最能代表不確定圖期望結(jié)構(gòu)特性的實例。這樣可以在這些代表性實例上做查詢，進而在很大程度上提高查詢效率。
　　本文主要有以下貢獻。本文提出基于三角形的代表性實例的概念，其目標是保留不確定圖的頂點度分布與三角形度分布。該概念引入了三角形度的結(jié)構(gòu)特性度量，克服了現(xiàn)有方法片面采用頂點度的不足。本文證明

3、尋找基于三角形的代表性實例問題是NP完全問題。本文提出基于三角形的代表性實例發(fā)現(xiàn)算法?；陔S機邊交換的方法，該算法可精確高效地獲得不確定圖的基于三角形的代表性實例，解決了現(xiàn)有方法查詢效率低的問題。本文提出尋找多個代表性實例的算法框架。該框架基于分層采樣的思想，用本文提出的兩種分層策略和選邊策略將不確定圖的所有實例集合劃分成多個互不相交的子集。通過將該框架與基于三角形的代表性實例算法相結(jié)合，提出多個基于三角形的代表性實例發(fā)現(xiàn)算法。該算法克