基于符号网络和动态网络社区检测的研究

摘要

复杂网络系统存在于我们生活中，影响着我们的日常生活。绝大多数的网络都具有聚类特性，都存在社区结构，如何快速在真实的网络系统中发现社区结构已成为社会关注的热点之一。针对此种网络社区检测问题，本文从两个方面入手：
　　(1)符号网络社区检测问题：本文提出一种基于亲密度动态演化的符号网络社区检测算法。加入了新的相似度计算函数，并为了使不连接的两节点之间有相似度，加入了最短路径的相似度计算函数。构造符号网络节点间亲密度演化的动力学模型，从而使同一个社区中节点的亲密度随着时间的变化更新为1，不同社区之间节点的亲密度随着时间的变化更新为0。在本文所提出网络模型的基础上，整个网络会分为几个不同的社区。为了验证算法的性能，本文针对USC真实网络，GGS真实网络以及17个人工合成网络进行了仿真，并与已有文献作了相关比较，实验结果表明算法有一定的优势。
　　(2)动态网络社区检测问题：本文在符号网络社区检测算法的基础上，加入了时间的因素。首先对网络中上一个时刻的相似度和下一个时刻的相似度进行了加权，其次在Attractor模型上进行了改进，使得亲密度高的节点在一个社区，最后把网络分为不同的社区，并通过真实网络和人工合成网络检测了算法的有效性。为了验证加权系数α对该算法的影响，我们对α取了不同的值进行比较，发现α的取值对算法并没有影响。

目录

声明

第一章 绪 论

1.1 复杂网络的研究背景和意义

1.2 符号网络的研究背景和意义

1.3 动态网络的研究背景和意义

1.4 本文的主要工作安排

第二章 基于相似度动态演化的符号网络社区检测

2.1.2 符号网络动态演化模型

2.2 算法的详细流程

2.2.1 实验仿真与结果分析

2.2.2 小规模网络

2.2.3 大规模网络

2.3 总结

第三章 动态符号网络社区检测算法

3.2 算法的详细流程

3.3 实验仿真与结果分析

3.3.2 人工合成网络

3.4 加权系数α对结果的影响

3.5 总结

第四章 总结与展望

4.2 展望

参考文献

致谢

在读期间发表的学术论文与取得的其他研究成果