不確定網(wǎng)絡(luò)中概率模體挖掘算法的研究.pdf

1、許多經(jīng)典問題都用圖結(jié)構(gòu)來表示，圖結(jié)構(gòu)與關(guān)系數(shù)據(jù)相比有著更強(qiáng)的表達(dá)能力。網(wǎng)絡(luò)模體的挖掘是研究復(fù)雜網(wǎng)絡(luò)的重要分析手段，網(wǎng)絡(luò)模體是指網(wǎng)絡(luò)中頻繁出現(xiàn)的互相連接的子結(jié)構(gòu)，其在原網(wǎng)絡(luò)中出現(xiàn)頻度明顯高于在隨機(jī)網(wǎng)絡(luò)中出現(xiàn)頻度。實(shí)驗(yàn)表明，網(wǎng)絡(luò)模體的研究有助于研究網(wǎng)絡(luò)的功能模塊和網(wǎng)絡(luò)動態(tài)變化過程。目前，國內(nèi)外學(xué)者對模體的挖掘的研究已經(jīng)有了一定進(jìn)展，其研究主要集中在確定網(wǎng)絡(luò)模體挖掘。然而，在現(xiàn)實(shí)生活中，信息不精確、甚至缺失常常是無法避免的，此外，網(wǎng)絡(luò)表示的問

2、題本身也可能是動態(tài)變化的。這使得抽象出的圖模型，往往帶有不確定概率信息。
　　因此，本文針對不確定網(wǎng)絡(luò)概率模體挖掘進(jìn)行了研究，主要工作包括:
　　(1)基于概率距離的性質(zhì)，提出了不確定圖概率同構(gòu)的概念。并對不確定圖概率距離進(jìn)行了推導(dǎo)，所得的定理為后續(xù)算法的實(shí)現(xiàn)提供理論依據(jù)，并且簡化了計(jì)算法則。
　　(2)提出了不確定圖概率同構(gòu)算法。在經(jīng)典圖同構(gòu)算法VF2算法的基本框架上，將不確定圖概率同構(gòu)概念納入搜索過程，使得算法能夠

3、找到滿足條件的最優(yōu)匹配。實(shí)驗(yàn)驗(yàn)證了該算法能快速判斷不確定圖概率同構(gòu)。
　　(3)提出了一種不確定網(wǎng)絡(luò)頻繁概率模式挖掘算法。該算法采用基于劃分的非樹形子圖方法搜索指定大小的子圖，利用分級層次聚類算法對子圖集合進(jìn)行聚類。該算法能夠快速地在不確定網(wǎng)絡(luò)中批量地得到頻繁概率模式。
　　(4)提出了一種概率模體統(tǒng)計(jì)意義評價(jià)算法，該算法將原網(wǎng)絡(luò)的拓?fù)涮匦耘c概率權(quán)值進(jìn)行分離，利用確定網(wǎng)絡(luò)隨機(jī)產(chǎn)生算法使得網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)得到充分的隨機(jī)，利用EM