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。     

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。     

基于节点动态连接度的网络社团划分算法

首先定义了节点动态连接度这一概念,然后介绍了基于节点动态连接度的网络社团划分算法,之后再对其中相关参数的取值范围和社团划分结果之间的关系进行了分析,并以Zachary网络为例验证了分析结论。在此基础上,以dolphins、polbooks和football 3个实际网络为对象,进行了社团划分实验,证明了本算法可通过动态调整参数实现对不同网络的社团划分。最后将实验结果与其他几种常见的社团划分算法结果进行了比较,证明了算法的优势,并对算法中需要注意的一些问题进行了说明。     

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。     

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.     

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.     

一种复杂网络中社团划分的新算法

为了寻找复杂网络中的社团结构,本文基于社团的核的定义和一些定量条件,提出一种新的寻找复杂网络中社团结构的算法。该算法的基本思想是首先构建社团的核心,然后寻找它的邻居的集合,把满足定量条件的邻居节点添加到该核心中,直到没有节点满足定量条件。重复这个过程找出网络中其它所有的社团。最后,通过Zachary和Dolphin social network两个经典网络验证了该算法的有效性。     

复杂网络中的社团结构

对复杂网络社团结构问题进行了综述。介绍了无权无向网络中社团结构的定义、探索社团结构的算法及算法的评价标准和检验网络。重点总结与类比了具有代表性的算法及其在检验网络上得到的结果,并依据这些结果和评价标准对算法进行了评述。部分地概括了原有算法在加权无向网络中的推广方法。最后对部分社团结构算法的特点进行了横向的比较,对社团结构与网络功能的研究进行简略介绍,并对社团结构研究的发展做出展望。     

复杂网络中的社团结构分析算法研究综述

许多实际网络中都存在着社团结构.为了寻找大规模复杂网络中的社团结构,人们提出了很多算法.本文综述了近几年来比较有代表性的一些算法.首先介绍了计算机科学中最有名的谱平分法和Kernighan-Lin算法,然后介绍了社会学中具有代表性的分裂算法和凝聚算法,并着重分析了最新提出来的一种寻找网络中彼此重叠的社团结构的派系过滤算法.最后指出了进一步的研究方向.     

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。     

基于共邻矩阵的复杂网络社区结构划分方法

提出了一种基于共邻矩阵和增益函数的划分算法来发现复杂网络中的社区结构.共邻矩阵中元素的含义为结点对之间拥有相同邻居的数目.以增益函数作为网络社区结构划分的目标函数,进一步推导出基于增益矩阵和增量矩阵的特征值和特征向量的社区结构划分方法.最后把这种算法应用于三个常用的实际网络数据中,并和Newman基于模块度矩阵 的谱算法结果做了比较,以验证该算法的可行性和有效性.     

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.     

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。     

基于节点相似性的LFM社团发现算法

传统的局部适应度社团发现算法(LFM)在社团结构模糊的网络中精度下降严重。针对此问题,提出LFMJ算法。利用邻居节点信息和改进的杰卡德系数重构网络,使网络结构更为清楚,社团划分结果更为准确。为验证算法,选择了5种算法在LFR网络和真实网络中进行测试,包括LFMJ、LFM和传统的LPA算法以及性能较好的WT和FUA算法。结果表明:在标准LFR网络中,LFMJ精度高于LFM和LPA,与FUA和WT相当;在真实网络和具有重叠结构的LFR网络中,LFMJ精度优于其他4种算法。     

社团结构网络环境下SIS病毒传播建模与分析

考虑许多现实网络具有社团结构,通过引入模块化系数,并在该系数合理范围控制下基于随机网络生成社团网络模型以模拟现实社会网络。通过平均场方法研究网络上的病毒传播动力学行为,推导传播阈值表达式,并用蒙特卡罗仿真加以验证。研究表明:社团结构的存在使得网络度分布发生变化,即社团结构越强,度分布越宽;同时,社团结构越强,病毒越易爆发;另外,传染率远大于阈值时,不同强度的社团结构网络的传播规模趋于一致,即网络结构对传播规模影响不大。     

基于社团结构的组合信息重连策略

模糊的社团结构能有效提升网络传输性能。基于社团结构,利用节点之间的同异配程度和k-core结构来定义链路重要性,提出了一种新的在社团内部删除链路,社团之间添加链路来减弱社团结构,提高网络容量的链路重连策略,即社团组合信息链路重连策略(CCLS策略)。为了验证方法的有效性,我们分别在伪随机网络、具有社团结构的CWS小世界网络、无标度社团网络以及真实网络进行了仿真实验,仿真结果表明,CCLS策略能有效减弱网络社团特性,提高网络传输容量。     

基于虚拟势场和学习自动机的有向传感网覆盖控制

针对目前有向传感网中覆盖增强和冗余节点体眠调度算法存在的问题,提出虚拟势场结合学习自动机的覆盖控制算法.引入基于质心距离和重复感知率的虚拟力改进模型,综合考虑虚拟向心力和切向力对感知角度调整的影响,建立微观虚拟力与转动角度的关系模型,并根据网络整体覆盖率增长率对节点调整幅度进行宏观控制,合理调整节点感知方向.在此基础上,根据节点重复感知率和能量因素建立学习自动机与环境信息的交互机制,学习最优的冗余节点休眠调度策略.仿真实验结果表明,该算法能够显著增强网络覆盖,并有效地控制网络覆盖冗余.     

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.     

动态小世界社团网络上的病毒传播研究

考虑到很多现实网络具有社团结构和小世界特性,提出结构强度可调的具有社团结构的动态小世界网络模型,它能模拟现实生活中的本地接触和移动接触现象,并基于平均场理论,建立该网络上的SIR病毒传播模型。研究表明:社团间长程移动率越大,病毒传播临界值越小,传播规模越大;社团结构越强,传播临界值越大,即强社团结构抑制病毒传播;另外,加强对社团间长程移动的控制,对控制病毒爆发具有重要作用。