基于复杂网络的社区检测算法研究与实现

《基于复杂网络的社区检测算法研究与实现》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、硕士学位论文基于复杂网络的社区检测算法研究与实现作者姓名付雅晴学科专业软件工程指导教师李东教授所在学院软件学院论文提交日期2018年4月ResearchandImplementationofCommunityDetectionAlgorithmBasedonComplexNetworksADissertationSubmittedfortheDegreeofMasterCandidate：FuYaqingSupervisor：Prof.LiDongSouthChinaUniversityofTechnologyGuangzhou,China分类号：

2、TP3学校代号：10561学号：201520134330华南理工大学硕士学位论文基于复杂网络的社区检测算法研究与实现作者姓名：付雅晴指导教师姓名、职称：李东教授申请学位级别：工学硕士学科专业名称：软件工程研究方向：社区检测算法论文提交日期：2018年4月28日论文答辩日期：2018年6月1日学位授予单位：华南理工大学学位授予日期：年月日答辩委员会成员：主席：陈泽琳委员：李东、方琼、李引、徐杨摘要复杂网络的研究是近年来的一个热点。在现实生活中，生物基因网、物联网、人际关系网、互联网等等形成了各种各样的复杂网络结构。社区检测的出现就是为了观察复杂网络的

3、结构，研究复杂网络结构的特性。社区检测是一个将杂乱无序的网络结构转变成合理有效的网络结构的过程方式，其处理对象是网络中的联系、拓扑结构、个体等（抽象为网络图中的边、节点等），并具有其各自的属性（例如边的权重、方向，节点重叠度等），社区检测利用特定算法以及网络本身的特性处理社区划分过程。社区检测能够将复杂网络结构化，进而帮助人们发现社区的内在属性，改进社区的交互形式。复杂网络的社区结构和网络的功能有着紧密的关系（如鲁棒性、传递性等），因此找出网络的正确社区结构并分析相关性质具有重要意义，基于点边比率的模块度社区划分标准是目前最常用的衡量网络社区结构划

4、分好坏的度量，但存在一些无法克服的问题，也存在resolutionlimited问题，这就需要改进方法来提高社区划分的准确度。本论文提出了一种新的基于互信息与信息熵联合评判的的社区检测质量评价方法，该方法很好地避免了resolutionlimited问题，将信息传递的有损拓扑压缩过程映射到社区划分过程，利用信息量计算方法替换模块度计算方法，大大提高了算法划分结果的准确度。并在此基础上将非重叠网络社区划分方法进一步优化，加入重叠节点判断机制，使其能针对重叠网络结构进行社区划分，得到准确度较高的划分结果。本文的研究从互信息结合信息熵的双重角度揭示社区划

5、分中更深层次的本质特征，加以建模实现，发现和揭示其中的规律，并给出与其他经典算法（例如GN算法、FastGN算法、LFM算法和CPM算法等）的实验结果的比较和分析。关键词：复杂网络；社区检测；联合评判；互信息；信息熵IAbstarctResearchoncomplexnetworksisahottopicinrecentyears.Inreallife,biologicalgenenetworks,internetofthings,humanrelationsnetworks,theInternet,etc.formavarietyofcomple

6、xnetworkstructures.Theemergenceofcommunitydetectionistoobservethestructureofcomplexnetworksandresearchthecharacteristicsofcomplexnetworkstructures.Communitydetectionisaprocessoftransformingadisorderlynetworkstructureintoareasonableandeffectivenetworkstructure.Itsprocessingobje

7、ctsaretheconnections,topology,andindividualsofthenetwork(abstractsaretheedges,nodes,etc,ofthenetworkdiagram),whichhastheirownattributes(suchasedgeweights,direction,nodedegreeofoverlap,etc.).Communitydetectionusesspecificalgorithmsandthenatureofthenetworktohandletheprocessofcom

8、munitysegmentation.Thecommunitystructureofcomplexnetworkshasa