利用堆数据结构实现邻域重叠社团结构挖掘

基于当前复杂网络中社团划分算法普遍存在算法复杂度过高以及重叠节点挖掘不准确的局限性,提出了一种高效、快速、准确的社团划分算法。基于贪婪算法,建立最大模块度矩阵,并采用堆数据结构,划分非邻域重叠社团。通过分析局部网络的连边情况,计算邻域社团的划分密度,以准确挖掘社团间的重叠节点。新算法经过仿真分析和实证研究表明,算法复杂度降到近线性。     

一种有向网络中社团结构划分的启发式算法

复杂网络中的社团发现和探测是当前复杂网络分析领域中的一个热点研究问题,并且具有非常广泛的应用前景。但是,传统的社团划分算法主要以无向、无权网络为对象进行分析,不能够适用于现实世界中更多的有向网络、赋权网络等。以有向网络为研究对象,研究其中的社团划分算法。鉴于前人提出的有向网络中社团划分算法存在着计算时间复杂度问题,引入模拟退火算法对其进行改进,并在改进算法中考虑了节点的网络结构属性。通过对不同规模的计算机生成的有向网络进行算法测试,验证了本文算法的正确性。最后,对一个实际复杂网络进行了社团划分,进一步验证了算法的有效性。     

复杂网络中社团发现的快速划分算法

复杂网络中的社团发现是具有重要理论意义和应用价值的研究领域。针对已有谱平分法和分裂法时间复杂度较高、不适用于社团结构未知的大规模网络等问题,本文提出以扩散距离为谱平分依据,以模块度函数为衡量社团结构划分效果的快速划分算法,并进一步说明了扩散距离的收敛性。实验结果表明,与已有的社团发现算法相比,基于扩散距离的快速划分算法能够得到满意度高的社团结构,时间复杂度较低,对稀疏网络和非稀疏网络都能高效求解,从而体现出算法具有较高的鲁棒性。     

基于共享最近邻探测社团结构的算法

针对经典重叠社团结构发现的派系过滤算法中派系定义过于严格、算法缺乏实用性、时间复杂度高等问题,提出了一种基于共享最近邻的社团结构发现算法. 该算法不仅可以对网络进行社团结构的划分, 而且可以很好地把网络中的桥点找出,算法的时间复杂 度约为O(nhk), 其中n为网络中的节点数,h为核心社团的数目, k为网络中节点的 最大节点度.为了验证该算法的正确率和性能, 把该算法应用到计算机生成网络和真实网络中, 并与著名的社团探测算法——GN算法和NF快速算法进行了比较.实验的结果表明所提出的算法是有效可行的.     

基于非负矩阵分解的复杂网络重构

将网络连边的产生机制和其社团结构结合在一起,基于社团结构决定网络连边的假设推导出节点间的连接概率矩阵并表达为矩阵乘积的形式,然后利用非负矩阵分解得到节点间的连接概率矩阵进行网络重建。设计实验并在几个真实的网络数据上测试,相比基于相似度的网络重构算法,该算法取得了更好的网络重构效果。     

基于网络权重的多社团网络结构划分算法

利用社团网络的统计特性,提出一种适于社团网络线性时间复杂度的多社团识别算法.构造复杂网络中节点的权重计算函数,进而生成计算序列,用迭代算法对复杂网络各种类型的节点进行集合分配.通过多个不同规模的网络结构数据对算法的性能进行测试,实验结果表明该算法时间复杂度为线性,能够在较短时间内对复杂网络中的社团数和社团结构进行发现,该算法还表现出对不同密度网络社团识别良好的适应性.     

基于虚拟力的社团发现算法研究

针对现有的社团划分算法过分粒度化和基于模块度优化存在的局限性,本文引入万有引力的思想,假设社团是由节点之间存在虚拟力牵引聚集而成,提出了一种基于虚拟力作用的社团划分算法。在已知社团结构的真实网络中与GN算法、CNM算法等经典算法对比测试,发现本算法不仅能够给出更加准确的网络的社团结构,还具有较高可靠性和接近线性的时间复杂度。     

动态社团发现研究综述

为适应当前动态网络数据的发展,对动态网络中的社团结构进行检测、追踪和预测,对国内外关于动态网络社团发现与演化的相关文献进行了综述。归纳了动态网络的社团发现算法,清晰了社团演化事件的定义,并梳理了社团发现与演化算法的应用场景。通过文献梳理,提出将来动态社团的研究应注重在大数据集上的算法优化、在多语境下的信息挖掘和在多场景下的应用性。     

基于同步理论的股票网络社团识别研究

利用股票价格波动时间序列的相关特性,基于同步理论研究股票网络的社团结构。通过对关联矩阵的谱分析确定股票网络中存在复杂的社团结构。随后,利用基于Kuramoto模型的同步聚类算法对网络节点(股票)进行动态分组,由局部序参量确定算法的收敛性并得到稳定的社团结构。通过与快速社团检测算法的对比验证,表明基于Kuramoto模型的同步聚类算法能够正确得到股票网络的社团结构,且更符合股票的属性分类。     

基于聚类分析的复杂网络中的社团探测

社团结构是复杂网络中普遍存在的一种特征.本文应用改进了的谱分法将网络的社团探测问题转换为聚类分析问题,并将Girvan和Newman提出的模块度函数概念应用到聚类分析的4类算法中进行社团结构的探测,特别提出了一种新的结合模块度的聚类遗传算法.然后用3种类型的网络实验算例验证了本文算法的有效性,并对实验结果进行了比较分析,得出本文提出的新算法在初始化敏感性和准确性方面效果较好.最后指出本文算法的进一步研究方向.     

一种新的Ad Hoc分簇算法及其性能仿真

Ad Hoc网络是一种多跳的自组织网络,网络是由移动的节点组成。Ad Hoc网络的许多应用都依赖层次结构的支持,簇结构是Ad Hoc网络中应用最为广泛的层次结构,而这种层次结构的形成和维护依赖于某种分簇算法。提出了移动节点的平均连接度和能量状态的计算方法,并在此基础上提出了一种新的基于权值的分簇算法(NWBCA),通过对算法进行分析和仿真测试,证明了该算法的有效性。     

探讨复杂系统中的群体结构

为探讨恰当划分复杂系统群体蛄构的新方法，提出了改进边介数法。在对网络实例空手道俱乐部的研究中，将谊方法与传统社会学聚类方法和GN算法进行了对照比较。其实证结果表明了谊方法对于正确分析系统的群体结构的有效性。     

二分网络社团结构的比较性定义

为了解决二分网络的聚类问题,借鉴单顶点网络社团结构的比较性定义,提出了直接基于原始二分网络社团结构的比较性定义,这个定义允许社团之间存在重叠,并定义了在二分网络中顶点与社团之间的作用力.在不引进额外参数的情况下,设计了基于此定义的二分网络的聚类算法,并将此算法应用于人工网和一些实际网络中,结果表明这个算法可以比较准确地对网络进行聚类,说明该定义是有效的.     

新产品发布与品牌社区网络动态演进

品牌社区以顾客间互动的方式进行产品知识和营销信息的创造与传播，在企业新产品开发和营销中得到了迅速发展。在企业发布新产品时，社区中用户的互动亦会随之产生一定的动态变化。基于小米社区中红米Note4/4X板块的互动数据对新产品发布后品牌社区网络的动态演进进行了研究。结果发现：社区网络属性与新产品传播相互影响，且在新产品发布时，社区核心边缘结构明显，核心用户汇聚新用户，但新用户持续参与可能较低；另外，整体来看，品牌社区用户结构较为松散，用户参与和互动程度较低。最后，社区中心化趋势明显，聘用用户在社区中能够起到重要作用。     

基于节点属性的社群结构探测算法改进

对Vincent D. Blondel等提出的B算法的特点及机理进行了分析, 讨论了节点属性对社群结构探测的可能影响. 进而通过重构初始化网络, 控制节点(社群)合并过程两个方面, 对B算法进行了改进, 获得更优的模块性指标及对应的社群划分. 经计算机模拟网络与实际网络的社群结构探测, 结果表明所提改进算法有效可用, 能在获得较大模块性指标的同时, 获得较好的社群划分结果, 且拥有更低的运算时间.     

Internet拓扑的社团结构分析

对Internet AS级拓扑的社团结构进行了分析,发现其模块度在0.38和0.48之间,表明Internet拓扑具有一定的模块特性.社团分解结果表明,处于同一社团内的AS许多都是相同或邻近国家的AS,表明了地理因素是Internet社团结构形成的一个重要原因.对Internet国家级拓扑的社团结构的分析,更明显地表明了地理因素对Internet互联所产生的影响.PFP模型所生成的网络的模块度仅有0.30左右,与真实Internet有一定差距,因此提出了一种考虑了地理因素的Internet模型--GeoPFP模型,在包括小度值节点聚类特性等诸多性质上,新模型都能准确模拟Internet,同时新模型的模块度在0.42附近,与真实Internet一致.     

金融危机对中国证券网络影响的实证研究

以金融危机前和金融危机下两个不同时期对中国证券网络影响进行了实证研究。结果表明:沪深300证券网络权重分布在危机前后并没有太大变化,但在后金融危机时期,股价波动相关系数主要分布在弱相关区域。影响因子的分布是由危机前的普遍偏大变为危机后的普遍偏小。利用最大生成树所构建的中国证券网络和美国S&P500证券网络在金融危机时期网络层次均变得紧凑;度分布涌现出个别度值很大的Hub节点。沪深300相关性网络的最大社团中行业覆盖面较广,一些有利害关系的产业出现在同一社团中;且危机后的最大社团形态与S&P 500经济平稳时较为相似。     

科学家合作网络的聚类分析

在自建的经济物理学科学家合作网络的基础上，实现了层次聚类法和介数聚类法．并将他们应用到对经济物理学科学家合作网络结构的聚类分析中，在理论层次对两种方法进行了比较，同时将两种算法的计算结果与现实进行对照，发现介数聚类的结果与现实吻合得较好。在充分理解Newman提出的Q函数的基础上，讨论了聚类过程中的最佳集团数。