網(wǎng)絡中具有相似屬性的節(jié)點可以構成社區(qū),社區(qū)結構在復雜網(wǎng)絡中普遍存在。面對如今超大規(guī)模的網(wǎng)絡,快速檢測網(wǎng)絡中的社區(qū)結構有助于發(fā)現(xiàn)復雜網(wǎng)絡內在的屬性及規(guī)律。標簽傳播社區(qū)檢測算法(LPA)具有思想簡單、近線性時間復雜度等優(yōu)點,但也存在隨機性強、結果穩(wěn)定性差的問題。本文主要針對LPA存在的問題,研究節(jié)點影響力對標簽傳播的影響,并改進了LPA檢測結果的穩(wěn)定性。本文的主要工作包括:(1)提出了基于節(jié)點影響力的標簽傳播社區(qū)檢測算法:算法在標簽初始化時只選擇了部分影響力大的節(jié)點分配標簽,減少了標簽數(shù)量;在節(jié)點更新標簽時如果出現(xiàn)多個待選標簽,則以待選標簽對應節(jié)點的影響力大小為依據(jù)進行選擇,避免了經(jīng)典LPA算法的隨機性。使用真實網(wǎng)絡數(shù)據(jù)集證明了所提算法復雜度近線性,算法的穩(wěn)定性和社區(qū)檢測的質量有所提高,并且減少了算法迭代次數(shù)。(2)提出了節(jié)點影響力在社區(qū)檢測標簽傳播算法中的應用:在傳播初始時,利用了節(jié)點影響力最大化算法選取網(wǎng)絡中影響力大的節(jié)點作為傳播源,提高了標簽傳播的效率;其次,在綜合考慮節(jié)點影響力指標的基礎上提出了新的衡量節(jié)點影響力指標,并指導標簽更新順序;最后,利用真實網(wǎng)絡數(shù)據(jù)集驗證了改進算法的隨機...

【文章頁數(shù)】：47 頁

【學位級別】：碩士

【部分圖文】：

圖2.1K-shell分解示意圖

圖2.1K-shell分解示意圖新的節(jié)點影響力度量指標被提出。Chen等人[29]在中心性（Sime-localCentrality）指標。任卓明等[30上提出基于度和集聚系數(shù)的節(jié)點影響力度量方法。分其影響力的問題，Zeng等人[31]考慮了K-shell分分解方....

圖3.1Karate網(wǎng)絡以節(jié)點K-shell值獲得種子節(jié)點集合

圖3.1Karate網(wǎng)絡以節(jié)點K-shell值獲得種子節(jié)點集合略算法在標簽更新過程中，待更新節(jié)點遇到鄰接節(jié)點中有機選擇標簽更新。為了降低算法的隨機性，KLPA算法進一步衡量頻數(shù)最多的標簽影響力，選擇影響力最大的網(wǎng)絡G(V,E)，標簽更新公式如下：()....

圖4.1Karatenetwork以CCA算法獲得種子節(jié)點集合

中北大學學位論文鄰接節(jié)點集9101415161920212324272829303132i,i,i,i,i,i,i,i,i,i,i,i,i,i,i,i前未被覆蓋的節(jié)點中K-shell....

圖4.2Karate網(wǎng)絡節(jié)點傳播結果

圖4.2Karate網(wǎng)絡節(jié)點傳播結果.4結果顯示，利用CCA算法選取的種子節(jié)點以及按照節(jié)點G響能力均優(yōu)于隨機選取種子節(jié)點，并且當傳播達到穩(wěn)定狀態(tài)在改進的LPA社區(qū)檢測算法中，對節(jié)點標簽初始化時選取有利于標簽的傳播并且能夠降低迭代次數(shù)，使標簽傳播結果

本文編號：3976879