复杂网络中影响力节点识别方法的研究

摘要

随着信息技术的飞速发展，复杂网络已经成为国内外学者研究的重要课题。在复杂网络研究的过程中，研究人员收集了大量真实的数据，并总结了不同领域复杂网络的特征，发现复杂网络中节点影响力问题的研究有着非常重要的意义。当前，对于该问题研究人员提出多种方法适用于各种领域，这些方法对于影响力节点识别的研究发展起到了推动作用。本文针对该课题做出分析和研究，主要内容如下。
　　首先，本文对于复杂网络的拓扑特性进行了归纳分析，并对复杂网络中影响力节点识别算法进行深入研究。度分布、平均路径长度和聚类系数等复杂网络的统计特性对于节点影响力检测起到重要作用，同时归纳总结了经典的节点影响力算法。
　　其次，提出基于边中心性加权的影响力节点识别算法，该算法引入边中心性，量化节点之间关系的重要性。通过节点之间关系的重要性确定节点之间相互贡献度，结合PageRank算法计算出网络中节点影响力的度量值，进而识别出影响力节点。
　　再次，提出基于邻域Jaccard距离的影响力节点识别算法，该算法通过相邻节点之间邻域的Jaccard距离，度量节点之间的潜在影响力，对复杂网络进行加权。结合k-shell算法对网络中节点层次的划分，得到网络中节点影响力的度量值，从而识别出影响力节点。
　　最后，基于本文提出的两个算法，在真实复杂网络的数据集上进行实验，与经典算法对比，并进行性能分析，验证了算法的有效性。

目录

声明

第1章 绪 论

1.1 研究背景和意义

1.2 研究现状

1.3 本文研究内容

1.4 本文的组织结构

第2章 复杂网络

2.1 复杂网络的表示

2.2 复杂网络统计特性分析

2.3 节点影响力算法

2.4 节点影响力算法分析

2.5 本章小结

第3章 基于边中心性加权的影响力节点识别算法

3.1 引言

3.2 边中心性

3.3 基于边中心性加权的影响力节点识别算法

3.4 算法设计

3.5 本章小结

第4章 基于邻域Jaccard距离的影响力节点识别算法

4.1 引言

4.2 相邻节点之间邻域Jaccard距离

4.3 基于邻域Jaccard距离的影响力节点识别算法

4.4 算法设计

4.5 本章小结

第5章 实验结果与分析

5.1 试验平台

5.2 传播模型和分析标准

5.3 基于边中心性加权的影响力节点识别算法实验分析

5.4 基于邻域Jaccard距离影响力节点识别算法实验分析

5.5 本章小结

结论

参考文献

致谢