基于社区发现算法的傣族水文化建模方法研究

摘要

近年来，随着小世界模型与无标度模型的提出，复杂网络的研究不再局限于数学的范畴，逐渐受到生物学、计算机科学、社会学、统计物理学和经济学等多个领域的广泛关注，并且表现出了一定的应用价值。在探索复杂网络的社区结构中，发现现实中越来越多的问题可以通过社区发现技术来解决。本文以傣族水文化为研究对象，运用复杂网络的社区划分算法来研究傣族水文化结构模型。　　针对传统的贪婪式K-L算法中必须已知社区网络大小以及不能做到随机分割的问题，提出了一种改进的K-L算法，在传统算法的节点交换的基础上，提出了节点转移的概念，通过节点转移提高其社区划分效果。　　在对傣族水文化的现实状况分析的基础上，提出了基于解释结构模型的GN改进算法，首先通过ISM建立傣族水文化层次结构模型的树状图，再以GN切分法进行社区划分。　　分别将传统K-L算法、GN算法、改进K-L算法和改进GN算法应用到傣族水文化模型分析与社区划分中，采用Matlab编程进行了实验仿真。仿真结果表明，改进K-L算法对傣族水文化社区模型的划分具有更优的模块度，提高了划分的效果。同时，通过计算，改进G-N算法也获得了比传统GN算法更好的区分效果。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 主要研究工作

第2章 系统结构模型化技术介绍

2.1 结构模型概念

2.2 图与矩阵分析

2.3 可达矩阵表示

2.4 解释结构模型建立

2.5 本章小结

第3章 社区发现理论基础

3.1 复杂网络结构特征

3.2 社区发现算法(Community discovery algorithm)

3.3 本章小结

第4章 社区发现算法改进

4.1 模块度函数

4.2 K-L算法

4.3 改进的K-L算法

4.4 解释结构模型建模思想

4.5 GN算法

4.6 基于解释结构模型的GN算法改进

4.7 本章小结

第5章 改进算法在傣族水文化模型中的应用

5.1 调研情况

5.2 傣族水文化建模基础

5.3 改进的K-L算法在傣族水文化模型中的应用

5.4 基于解释结构模型的GN算法的应用

5.5 推广应用

5.6 本章小结

第6章 总结与展望

6.1 总结

6.2 展望

参考文献

攻读硕士学位期间发表的文章和取得的科研成果

致谢

附录