基于动力学行为的复杂网络社区检测研究

摘要

在网络研究中,对拓扑结构属性的定量描述、分析可以揭示网络的结构与动态功能之间的关系.社区结构是网络的一个重要属性,揭示网络社区结构对了解它的功能、预测它的行为有很重要的理论和实际意义.针对社区检测问题,本文从以下两个方面展开研究：
　　（1）符号网络的社区检测问题：对有向加权符号网络定义相似度,并通过归一化相似度检测出相似度低的节点进行重构,建立符号网络模型,根据节点状态所呈现的动力学行为检测社区.将此方法应用到合成网络、真实网络中验证我们方法的可行性,并通过与其它算法比较说明我们算法的优势.
　　（2）正复杂网络社区检测问题：使用Kuramoto振荡模型可以揭示社区结构,不同于以往的社区检测和网络动态聚类算法,本文主要是改进Kuramoto耦合模型加入相似度实现网络社区检测.通过调节参数使节点按照所给出的基于动力学机制的网络模型演化,把网络分为不同的社区并通过真实网络检测算法的有效性.

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1复杂网络的研究背景

1.2复杂网络的基本概念

1.3复杂网络社区检测的几类典型方法

1.4符号网络的研究现状

1.5本文的主要工作安排

第二章 符号网络社区检测

2.1符号网络的模型

2.2算法介绍

2.3仿真实验

2.4小结

第三章 基于网络动力学的正复杂网络社区检测

3.1研究基础

3.2网络模型

3.3算法介绍

3.4实验仿真

3.5小结

第四章 总结与展望

4.1 本文总结

4.2 展望

参考文献

致谢

在校期间取得成果及奖励