基于节点影响力的标签传播算法的稳定性研究

基于节点影响力的标签传播算法的稳定性研究

论文摘要

网络中具有相似属性的节点可以构成社区,社区结构在复杂网络中普遍存在。面对如今超大规模的网络,快速检测网络中的社区结构有助于发现复杂网络内在的属性及规律。标签传播社区检测算法(LPA)具有思想简单、近线性时间复杂度等优点,但也存在随机性强、结果稳定性差的问题。本文主要针对LPA存在的问题,研究节点影响力对标签传播的影响,并改进了LPA检测结果的稳定性。本文的主要工作包括:(1)提出了基于节点影响力的标签传播社区检测算法:算法在标签初始化时只选择了部分影响力大的节点分配标签,减少了标签数量;在节点更新标签时如果出现多个待选标签,则以待选标签对应节点的影响力大小为依据进行选择,避免了经典LPA算法的随机性。使用真实网络数据集证明了所提算法复杂度近线性,算法的稳定性和社区检测的质量有所提高,并且减少了算法迭代次数。(2)提出了节点影响力在社区检测标签传播算法中的应用:在传播初始时,利用了节点影响力最大化算法选取网络中影响力大的节点作为传播源,提高了标签传播的效率;其次,在综合考虑节点影响力指标的基础上提出了新的衡量节点影响力指标,并指导标签更新顺序;最后,利用真实网络数据集验证了改进算法的随机性减少,稳定性提高。

论文目录

  • 摘要
  • abstract
  • 第一章 引言
  •   1.1 研究背景及意义
  •   1.2 国内外研究现状
  •   1.3 论文主要工作及组织结构安排
  • 第二章 标签传播社区检测算法及节点影响力概述
  •   2.1 标签传播社区检测算法
  •     2.1.1 标签传播社区检测算法过程
  •     2.1.2 改进标签传播社区检测算法
  •   2.2 节点影响力度量
  •   2.3 影响力最大化
  •   2.4 本章小结
  • 第三章 基于节点影响力的标签传播社区检测算法
  •   3.1 节点影响力的标签传播社区检测算法
  •     3.1.1 种子节点的选取
  •     3.1.2 标签更新策略
  •     3.1.3 KLPA算法实现
  •     3.1.4 KLPA算法复杂度分析
  •   3.2 实验结果与分析
  •     3.2.1 实验评价方法
  •     3.2.2 实验结果与分析
  •   3.3 本章小结
  • 第四章 节点影响力在社区检测标签传播算法中的应用研究
  •   4.1 节点影响力在标签传播算法中的应用
  •     4.1.1 选取种子节点集合
  •     4.1.2 种子节点对邻接节点的贡献值
  •     4.1.3 节点的综合影响力计算
  •     4.1.4 GILPA算法步骤
  •     4.1.5 GILPA算法复杂度分析
  •   4.2 实验结果与分析
  •   4.3 本章小结
  • 第五章 工作总结与展望
  •   5.1 工作总结
  •   5.2 工作展望
  • 参考文献
  • 攻读硕士期间发表的论文
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 马秀

    导师: 余本国

    关键词: 复杂网络,社区检测,标签传播,节点影响力

    来源: 中北大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 数学,计算机软件及计算机应用

    单位: 中北大学

    分类号: O157.5;TP301.6

    总页数: 47

    文件大小: 4030K

    下载量: 48

    相关论文文献

    • [1].认知无线电中基于可信度的感知节点集选择[J]. 应用科学学报 2009(06)
    • [2].认知无线电中一种感知节点集自适应选择算法[J]. 信号处理 2010(06)
    • [3].无线传感器网络中一种关键节点集轮换算法[J]. 系统仿真学报 2010(06)
    • [4].收缩邻居节点集方法求解有向网络的最大流问题[J]. 模式识别与人工智能 2013(05)
    • [5].基于加权K-阶传播数的节点重要性[J]. 物理学报 2019(12)
    • [6].PEAK:一种面向弱节点集群的并行可演化管理框架[J]. 计算机工程与科学 2013(11)
    • [7].基于节点速度和能量的MPR节点集选择[J]. 传感技术学报 2019(06)
    • [8].基于节点影响力的标签传播社区检测算法[J]. 重庆理工大学学报(自然科学) 2018(07)
    • [9].基于节点重要性评价的京津冀雾霾污染网络研究[J]. 环境科学学报 2018(06)
    • [10].一类新节点集上的Newman有理插值逼近[J]. 安徽理工大学学报(自然科学版) 2015(02)
    • [11].基于深度可调节节点的水声网络部署优化算法[J]. 系统工程与电子技术 2019(01)
    • [12].动态网络中稳定社区发现[J]. 小型微型计算机系统 2015(09)
    • [13].多节点集群P2P系统研究[J]. 计算机科学 2010(02)
    • [14].复杂网络基于最小驱动节点的能控性优化(英文)[J]. 系统科学与数学 2019(05)
    • [15].基于网络拓扑结构的重要节点发现算法[J]. 运筹与管理 2019(07)
    • [16].基于节点属性的重叠社区发现算法改进[J]. 通信技术 2018(01)
    • [17].一种融合节点先验信息的图表示学习方法[J]. 软件学报 2018(03)
    • [18].复杂网络中Top-k影响力节点的识别算法[J]. 计算机科学与探索 2018(06)
    • [19].基于种子节点集的社区层次结构发现算法[J]. 信息工程大学学报 2016(03)
    • [20].网络科学中相对重要节点挖掘方法综述[J]. 电子科技大学学报 2019(04)
    • [21].引入信任度传递机制的影响力最大化节点挖掘[J]. 西南科技大学学报 2019(03)
    • [22].一种复杂网络中节点安全重要性排序的度量方法[J]. 信息安全学报 2019(01)
    • [23].异构WSNs中节点稳定匹配的覆盖空洞修复优化算法[J]. 传感技术学报 2019(06)
    • [24].无线传感器网中一种支持固定路由结构的协作机制[J]. 通信技术 2008(08)
    • [25].软件网络中关键函数节点的识别方法[J]. 燕山大学学报 2018(05)
    • [26].基于节点集计算能力差异的Hadoop自适应任务调度算法[J]. 计算机应用 2016(04)
    • [27].基于有限节点集的网络毁伤最大化问题研究[J]. 控制与决策 2020(04)
    • [28].面向选择推荐节点的P2P网络信任模型[J]. 计算机工程与科学 2018(06)
    • [29].采用影响力节点集扩展的局部社团检测[J]. 西安交通大学学报 2016(04)
    • [30].PMC模型下网络故障的节点可诊断研究[J]. 计算机应用研究 2019(11)

    标签:;  ;  ;  ;  

    基于节点影响力的标签传播算法的稳定性研究
    下载Doc文档

    猜你喜欢