社交网络中社团发现算法的研究与实现

社交网络中社团发现算法的研究与实现

ID:35093192

大小:5.69 MB

页数:59页

时间:2019-03-17

社交网络中社团发现算法的研究与实现_第1页
社交网络中社团发现算法的研究与实现_第2页
社交网络中社团发现算法的研究与实现_第3页
社交网络中社团发现算法的研究与实现_第4页
社交网络中社团发现算法的研究与实现_第5页
资源描述:

《社交网络中社团发现算法的研究与实现》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、'-'‘''’:‘一-._..;V./.等-■分类号’.:密级—_______:,:■苗,^DO’UDC皆学為6!詞^弓节'1-.'V,V片戀分誇文乂葦方硕±学位论文''>ThesisforMastersDegree■?..:.'j'.节'-,...>.论文题目社交网络中社团发现算法的研究与实现:卿律H,'.-y。^.V;知碟、..-.韻聲呼申请学位类别理学硕±^^%?专业名称计算机科学与技术

2、^:軒’巧考閣降矜:'硏究生姓名周继超'',/P’d导师姓名、职称乐光学教授f刘建生副教授—'。皆#‘V批/t^胃^方一蕴护幹'心殘二〇六巧月,,-、-山^-.【巧^*1yf,’心.,顯纖分类号:密级:UDC:学号:6120130070硕士学位论文社交网络中社团发现算法的研究与实现ResearchandImplementationofCommunityDetectionAlgorithmsinsocialnetwork学位类别:理学硕士作者姓名:周继超学科、专业:计算

3、机科学与技术研究方向:计算机网络与图像处理指导教师:乐光学教授、刘建生副教授2016年5月28日学位论文独创性声明本人声明所呈交的论文是本人在导师指巧下进斤的研究工作及取得的研究成果。据我所知,除了文中特别加W标注和致谢的地方外,论文中不包含其他人己经发表或巧写过的研究成果,也不包含己获得汪西理工大学或其他教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研究所做的任何贡献均己在论文中做了明确的说明并表示谢意。一,本人承担切相关责任申请学位论文巧资料若有不实之处。:研究生签名时间:寺4年^月曰I学位论文

4、版权使用授权书、、本人完全了解江西理工大学关于收集保存使用学位论文的规定:即学校有权保存按要求提交的学位论文印刷本和电子版本,学校有权将学位论文的全部或者部分内容编入有关数据库进行检索、,并采用影印缩印或扫描等复制手段保存、汇编レッ供查阅和借阅;学校有权按有关规定向国家有关部口或者机构送交论文的复印件和电子版。本人允许本学位论文被查阅和借阅,同意学校向国家有关部n或机构送交论文的复印件和化子版,并通过网络向社会公众提供信息服务。保密的学位论文在解密后适用本授权书学位论文作者签名(手写):导师签名(手写I或

5、麟签字曰期:〇^:_〇,5I曰])心年(月曰签字曰期:^^年^月I江西理工大学硕士学位论文摘要摘要随着移动互联网技术和Web2.0技术的发展和成熟,以及移动智能终端快速普及,人们在社交网络中的参与度随之提高,社交网络也成为大部分人必要的生活工具。近几年社交网络中的数据急速增长,导致网络节点众多结构复杂,也使其蕴藏着大量的内在信息,有待人们去挖掘。挖掘社交网络中的社团结构能帮助我们分析网络的拓扑结构和功能,了解网络的本质,进而可以对社交网络进行控制与预测。由于社交网络中的拓扑结构在不断的演化。因此,研发聚类精度高、算法执行效率好、并且适

6、用于大规模社交网络的社团发现算法成为国内外科研人员的研究热点。本文主要的工作有以下几点:(1)对社交网络及其相关概念和特性进行阐述,给出模型抽象后的数学表达式。对传统的社团发现算法进行综述并加以分类,详细介绍各个算法的性能和优缺点,并查阅最新的社团发现算法,在此基础上提出两种新的社团检测算法。(2)提出基于遗传和声算法的社团检测算法(GHS)。该算法针对传统基于遗传算法的社团发现算法容易陷入局部最优,算法执行效率低,时间复杂度高的缺陷。以和声算法作为框架,利用标签传播思想来产生初始和声库,使初始和声记忆库具有较好的多样性和精度;同时利用遗传算

7、法的双路交叉和单点变异策略来产生新解,扩大算法的搜索范围来提高社团聚类精度。实验结果显示,GHS算法的聚类精度优于FN、GN、LPA和K-means谱聚类算法。(3)提出确定FCM聚类中心的自动谱聚类社团检测算法(FCMASC)。该算法针对传统谱聚类社团发现算法无法自动确定社团数量和聚类精度不高的缺点,利用特征值的最大本征间隙来确定社团的划分数量,并根据特征向量的相关性确定出初始聚类中心,采用FCM算法对特征向量进行聚类。实验结果显示FCMASC算法能够自动确定社团的数量,聚类精度明显高于K-means谱聚类算法,是一种有效地社团发现算法。关

8、键词:复杂网络;社团发现;谱聚类;遗传和声I江西理工大学硕士学位论文AbstractAbstractWiththedevelopmentofmobileIntern

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。