基于边信任度的混合参数自适应重叠社区发现算法

网络中的社区结构有助于简化网络拓扑结构分析,揭示系统内部的规律,能够为信息推荐和信息传播控制提供有力的支撑.网络重叠社区结构与真实生活更加接近,但其分析较非重叠社区结构更加困难.因此,针对重叠社区发现问题,在对网络的边进行峰值聚类的基础上提出了一种基于边信任度的混合参数的自适应重叠社区发现算法.定义了网络边的邻居边集合及与其邻居边之间的信任度函数,通过信息传递获取边的总信息量,并且基于此引入混合参数的概念.基于k-means算法使用混合参数对网络中的边进行聚类,即将网络中的边划分为核心边集与非核心边集,每个核心边作为一个聚类中心.根据非核心边到核心边的距离将所有非核心边划分至距离其最近的聚类中心所在社区.再根据网络中边与节点的关系实现重叠节点发现,最终实现重叠社区的发现.该算法的优点是每条边通过独立地完成信息扩散找到社区的结构,相比于传统的峰值聚类算法,不需要人为设置相关参数,实现重叠社区的自适应发现.为验证算法的可行性,对算法复杂度进行了分析,并且使用两种社区划分评价指标——标准化互信息和模块度,分别在人工数据集及6种真实数据集上进行实验,通过与其他算法进行对比分析,实验结果表明该算法更具可行性和有效性.     

基于加权边相似度的重叠社区发现算法

社区发现是复杂网络研究的基础,其目的是发现网络的真实结构,对于分析复杂网络的拓扑结构、理解其功能和寻找其潜在的性质具有重要的意义.Palla,Yong和James等人分别提出了CPM、LINK算法,此类算法基于网络拓扑结构或边密度发现复杂网络中的社区,性能较好,但不足是计算出的社区存在过度重叠问题.如何设计新算法,避免社区发现的过度重叠问题,是一个亟待解决的重要问题.本文基于加权边相似度,提出了一种社区发现算法LINKw,可以高效发现社区结构,与其他算法相比,本算法能更好地解决社区过度重叠问题.     

一种基于介数和时效性的动态社区发现算法

为了发现动态变化的社区结构,在分析了动态社区划分算法的研究现状基础上,提出一种基于时效性和介数的动态社区发现算法,对历史信息的时效性进行了计算,建立了综合有权网络,基于局部边介数进行社区划分,发现了稳定社区结构。实验表明了算法的有效性。     

社会网络中的社区挖掘算法研究

结合点社区和边社区的优点,对边社区结构,采用网络中的局部信息进行挖掘,以边适应度和点相似性为基础,提出了新的社区挖掘算法.根据特定的中心性原则设定一条初始的边作为种子,为了得到该边所在的局部社区的社区结构,不断最大化一个适应度函数,并通过基于点相似性的模块度函数来进行边界点识别.     

基于网络有效阻抗的社区发现算法

社区发现在很多领域都有非常重要的应用。受经典电路网络中的阻抗原理启发,提出了一个新颖的社区发现算法。该算法通过迭代调用基于网络总阻抗的割边选择模型来实现社区发现的目标。在每一次迭代过程中,割边选择模型采用启发式策略割除恰当数量的边,使得割边后的网络有效阻抗最大化。理论分析表明该算法具有较低的算法复杂度。利用仿真数据和真实数据对算法进行测试,实验结果表明算法性能良好。     

边定向方法对随机网络抵制级联故障鲁棒性的影响

针对复杂网络抵制级联故障的鲁棒性问题,考虑节点权重和边的方向,通过扩展经典的全局介数方法定义节点负载,提出了新的随机网络级联故障模型.应用三种边方向确定策略,在具有单向边和双向边的随机网络上探讨了级联故障行为,分析了全局负载分布机制下定向边对网络抵制级联攻击鲁棒性的影响.仿真结果表明,对于随机网络,所使用的边定向方法均可以使得网络更加鲁棒.但是,不同的边方向确定策略和单向边比例对随机网络抵制级联故障鲁棒性的优化效果影响不大.     

基于DCBM的马尔可夫谱聚类社区发现算法

谱聚类划分算法是经典社区发现算法之一,由于目前构造的相似图承载的社区结构信息较少,导致聚类效果与理想效果具有较大差距,因此,提出了基于DCBM的马尔可夫谱聚类社区发现算法MSCD.首先,基于DCBM模型提出了以节点间连接概率为元素的概率矩阵,并建立了概率矩阵与相似矩阵之间的映射关系;其次,利用马尔可夫链重构了谱聚类的相似图;最后,使用重构的相似图对网络进行社区划分.在人工合成网络和真实网络上与SC,MRW-KNN和FluidC三种典型算法进行了对比实验.实验结果表明,MSCD算法具有更加高效的聚类性能,能够揭示更加清晰的社区结构.     

一种有效的加权图聚集算法

图聚集(图概括)技术是解决大规模网络的有效技术之一.现实生活中,这些图不仅规模大,而且边可能带有权重,当前图聚集算法很少或未考虑边的权重或边存在的概率等信息,导致聚集图与原图的误差大.为了提高加权图的图聚集的质量和效率,对加权图的图聚集算法进行了研究.为此引入超图邻接矩阵分组的权重值一致性来衡量边权重的一致性,定义压缩率衡量图聚集算法的空间效率,使用误差率衡量聚集图与原图的误差;通过控制图的误差率来控制图的压缩质量,并与现有图聚集算法进行了对比.实验论证了本文图聚集算法的有效性.     

基于注意力网络特征的社区发现算法

现实世界中许多网络都是根据社区结构紧密组织起来的, 发现社区对于了解复杂网络的结构及其关系有很大的帮助, 文中提出了一种基于注意力网络特征的社区发现(community discovery algorithm based on attention network features, CANF)算法, 利用标记节点频率和反示例节点频率度量初始网络标记特征, 并且引入注意力机制, 对示例节点的每个邻居节点更好地分配权重, 将初始权重与分配权重相结合, 使初始度量的网络特征获取更多与目标有关的细节信息。文中通过分配的注意力网络特征进行复杂网络预处理以及社区博弈归并, 于真实网络中进行验证, 实验结果表明, CANF算法在准确度、模块度以及运行时间方面优于其他社区发现算法。     

基于边聚类系数的谱聚类社区划分方法研究

针对图谱划分方法在划分社区结构不是很明显的网络时,不能得到好的划分效果,该文提出了基于边聚类系数的谱聚类社区划分方法.由于社区内部节点之间的连接比各个社区间节点的连接稠密,边聚类系数的大小反映了节点的聚集程度,因而通过网络中的边所构三角形的数量定义了聚类系数矩阵,矩阵中的元素即处于网络中的边实际构成三角形的数量.在增益函数最大化的过程中,使用了矩阵的特征值和特征向量,以此来进行社区划分.通过在真实网络数据中进行实验,结果表明该算法可行.     

网络图的边断裂度(Ⅰ)

网络图的断裂度理论是描述具有相同连通度的两个图在连通程度上的差异的重要理论和方法。本文在研究网络图点断裂度的基础上，首次提出了网络图的边断裂度概念，并利用它给出了两个判定连通程度好坏的准则。     

图是λ5-最优的邻域交条件

基于目前网络边连通性在网络拓扑性能方面的广泛应用和高阶限制边通图的各种邻域条件的广泛关注,针对图的高阶限制边连通性的最优化问题进行了深入的研究。该结论通过运用分类讨论和反证假设的方法,对前人一些已知的结果进行推广和改进,给出了阶为n的λ5-连通图的邻域交条件,从而得出图是λ5-最优的充分性条件。这些结论在大规模网络系统中度量网络性能的可靠性和容错性分析方面都有一定的应用,并对研究更高阶的网络连通性的最优化问题提供了方法和理论依据。     

图的运算和超边连通度

许多网络拓朴结构是通过图的运算得到的.超边连通性是衡量网络可靠性的一个重要尺度.一个图G为最优-λ'图,如果其限制性边连通度λ'(G)等于其最小边度ζ(G).一个最优-λ′图被称为超-λ'图,如果从G中去掉任何一个最小限制性边割都会产生孤立边.考虑图的三类运算;证明了如果原始图为正则的最优-λ'图,则运算后的图是超-λ'图.     

设计无标度网络的一种新方法

提出了一种设计生成满足任意指定幂律要求的无标度网络的新方法.该方法利用了无标度网络的一个重要性质,即无标度网络的最终形成是受其度的几何均值控制的.为此提出了一个算法,该算法从一个合理的小世界网络开始,通过富者愈富的原则不断地对当前网络实施删边和加边操作,同时保证网络中的节点个数、网络中的总边数和网络的连通性不变,直到网络中节点度的几何均值达到了一个特定的值为止,生成一个预定的无标度网络.数据仿真验证了该方法总可以生成一个满足指定幂律要求的无标度网络.     

网络嵌入价值视角下信息中介服务进入决策

研究了信息中介的服务与决策者构成的复杂网络之间的相互作用,提出了网络嵌入价值VNE,同时考虑网络收益与中介收益标度既可用于评价服务对于网络的价值,也可为信息中介决策提供依据.在中介和网络间建立了一个博弈模型,得到了中介服务能生存于网络中的条件.在此基础上定义了信息中介的网络嵌入价值,从网络的视角考察了中介服务进入市场的成本C和价格P的决策.最后比较了ER网络(随机网络)与SF网络(无标度网络)这两种不同网络结构下网络嵌入价值与决策的差异.     

超级λ_3-最优二部图的充分条件

图的k-限制边连通度是图的边连通度概念的推广,用它可以更加精确的度量网络的可靠性。通过讨论λ3-最优但非超级λ3-最优二部图的性质得到了二部图超级λ3-最优的充分条件。     

折叠超立方体的边邻域连通度

折叠超立方体是最受关注的网络模型之一.设e是图G的一条边, 如果从图G中删掉以e为中心的双星子图,则称e"倒戈".设S为一个边集, 如果S中的边全部倒戈, 若剩下的子图或者不连通, 或者是一个孤立点, 或者是空集, 则称S为G的割边策略.G的最小割边策略所含的边数为边邻域连通度.该文主要证明了折叠超立方体FQn的边邻域连通度为n.     

一种网络生长的无线传感器网络定位算法

提出了一种利用完全图进行无线传感器网络定位的分布式定位算法.仿真表明,该算法在噪声功率较小或者网络连通程度较高时,节点的定位精度更高,并且在网络的连通程度较低或者传感器节点分布不均匀时,仍然保持较好的定位精度.     

基于连通能力的区域公路网的连通度研究

由于受公路技术等级、功能差异和地区经济发展不平衡的影响,传统连通度和模糊连通度的计算方法很难真实反映区域公路网的连通状况.基于公路适应交通量、公路重要度和节点重要度对连通能力的影响进行分析,分别对节点连通度和网络连通度的定义做新的描述,提出区域公路网连通度的计算模型.通过实例表明,考虑连通能力的区域公路网连通度计算模型不仅能真实反映区域公路网的结构性能,而且还可以对节点连通度进行排序,深化了连通度的内涵,有助于为区域交通规划提供决策参考.     

一种改进边缘连接的Canny边缘检测算法

针对Canny边缘检测算法中需要手动设置固定阈值而出现边缘间断或伪边缘的问题,设计了一种基于边缘对比特征和边缘方向的边缘连接方法。该方法是基于视觉感知实验总结的一组边缘对比阈值数据比较强边缘点和待连接边缘点的对比特征判断其相似性,通过保持一定的边缘方向确保边缘连接方向的正确性,待连接点只有满足相似性且连接后新旧边缘方向一致,才能被连接为新边缘点。结果表明,改进边缘连接的Canny边缘检测算法具有很好的边缘连接能力,且能获取完整干净的边缘。