声明
第一章 绪论
1.1 研究背景及意义
1.2 复杂网络理论研究发展简介
1.3 复杂网络节点和边重要性研究现状
1.3.1 节点重要性研究
1.3.2 边重要性研究
1.3.3 多源信息传播问题
1.4 论文组织结构
第二章 复杂网络研究相关理论基础
2.1 复杂网络基础知识
2.1.1 复杂网络数学表示
2.1.2 复杂网络的统计特征
2.1.3 复杂网络模型
2.2 复杂网络传播动力学
2.2.1 经典传播动力学模型
2.2.2 传播阈值
2.3 复杂网络节点重要性挖掘方法和评价标准
2.3.1 社会网络分析方法
2.3.2 系统科学分析方法
2.3.3 信息搜索分析方法
2.3.4 节点重要性挖掘算法的评价标准
2.4 复杂网络边重要性挖掘方法和评价标准
2.4.1 边重要性挖掘方法
2.4.2 边重要性挖掘算法评价标准
2.5 多源信息传播问题
2.5.1 影响力最大化问题定义及传播模型
2.5.2 求解影响最大化问题的常用算法
2.5.3 影响最大化算法的评价标准
2.6 本章小结
第三章 基于节点桥接特征的节点重要性度量算法
3.1 引言
3.2 算法原理及实现
3.3 实验设置
3.3.1 实验环境与网络数据集
3.3.2 评价标准
3.3.3 对比算法
3.4 实验结果分析
3.4.1 极大连通系数静态攻击分析
3.4.2 极大连通系数动态攻击分析
3.4.3 网络效率下降率与节点排序相关性分析
3.4.4 网络效率下降率静态攻击分析
3.4.5 网络效率下降率动态攻击分析
3.5 本章小结
第四章 基于信息熵的节点重要性度量算法
4.1 引言
4.2 算法原理及实现
4.2.1 网络结构熵
4.2.2 自我网络(Ego network)介数中心性
4.2.3 自我网络介数熵
4.3 实验设置
4.3.1 实验环境与网络数据集
4.3.2 评价标准和对比算法
4.4 实验结果分析
4.4.1 网络效率下降率与节点重要度排序相关性分析
4.4.2 网络效率下降率静态攻击分析
4.4.3 网络效率下降率动态攻击分析
4.4.4 极大连通系数静态攻击分析
4.4.5 极大连通系数动态攻击分析
4.5 本章小结
第五章 基于路径和完全图关键边评估算法
5.1 引言
5.2 算法原理与实现
5.2.1 算法基本思想
5.2.2 算法计算过程
5.3 实验设置
5.3.1 实验环境与网络数据集
5.3.2 评价标准和对比算法
5.4 实验结果分析
5.4.1 网络效率下降率实验分析
5.4.2 极大连通系数实验分析
5.4.3 ER人工网络上实验结果分析
5.4.4 LFR人工网络上实验结果分析
5.5 本章小结
第六章 基于核数和H指数影响最大化算法
6.1 引言
6.2 算法原理及实现
6.2.1 核数和H指数
6.2.2 节点的影响力重叠问题
6.2.3 CHCA算法
6.3 实验设置
6.3.1 实验环境和真实网络数据集
6.3.2 算法评估指标和对比算法
6.4 实验结果及分析
6.4.1 Jazz网络上算法性能分析
6.4.2 USAir网络上算法性能分析
6.4.3 Blog网络上算法性能分析
6.4.4 USAirport网络上算法性能分析
6.4.5 Yeast网络上算法性能分析
6.4.6 BA人工网络上算法性能分析
6.4.7 LFR人工网络上算法性能分析
6.5 本章小结
第七章 总结与展望
7.1 研究内容总结
7.2 未来研究展望
致谢
参考文献
作者在学期间取得的学术成果
国防科学技术大学国防科技大学;