首页> 正文

复杂网络中影响力节点挖掘算法的研究

2020-12-08阅读(861)

复杂网络中影响力节点挖掘算法的研究

论文摘要

21世纪是复杂性科学的世纪,以复杂网络最为典型。受益于移动互联网、物联网技术的快速发展,网络大数据应运而生且增势迅猛。目前,节点的影响力度量标准多样化,度量方法的研究也各不相同。因基于网络局部拓扑结构的方法有较低的计算复杂性,本文重点关注于此。考虑到当下这类方法的准确性并不乐观,本文在集体影响中心性的基础上,融合了节点的邻域的鲁棒性、度均衡性以及簇间连接强度等局部信息,针对网络传播和病毒控制两种任务分别提出了相应的影响力度量方法,良好地实现了方法准确性和时间复杂度的兼顾。之后,将关注重心从节点层面延伸至网络层面,对影响力节点组的挖掘进行研究。针对现有的启发式算法普遍精度偏低这一问题,本文基于所提的影响力度量方法,创新性提出高效的选点策略,并同样以任务为区分,设计出可调节的基于局部集体影响自适应的影响最大化算法。全文主要工作概述如下:（1）从病毒控制的角度提出了融合邻域鲁棒性、度均衡性和簇间连接强度的集体影响中心性方法NewCI。基于针对局部树状网络而提出的集体影响中心性,本文考虑了节点的局部邻域信息,对其进行修正,设计出NewCI,实现对节点影响力更为准确的度量以及方法普适性的进一步推广。在人工数据集和真实的复杂网络数据集中的实验结果表明,与各中心性方法相比,该方法与介数中心性方法展示出最佳的性能。综合考虑时间复杂度以及执行效率,NewCI方法均优于其他的中心性方法。（2）从网络传播角度提出基于邻域鲁棒性的集体影响中心性影响力度量方法NewCI+。基于集体影响中心性,本文考虑了节点的邻域鲁棒性,对其进行修正,设计出在网络传播中更为适用的度量方法NewCI+。并通过在真实复杂网络数据集中进行实验,表明了NewCI+方法与接近度中心性方法表现最好。综合考虑时间复杂度以及执行效率,NewCI+方法同样优于其他的中心性方法。（3）基于影响力度量方法NewCI+,设计出可调节的局部领袖节点选取策略下的自适应集体影响最大化算法LNewCI+-ARIM。考虑到CIM算法所利用的集体影响中心性对节点的影响力衡量不够准确、选点策略的效率较低,且存在一定程度的传播重叠现象等不足,本文将其进行改进,针对网络传播,提出了新的影响最大化算法LNewCI+-ARIM。该算法在影响力节点度量中采用第三章所提出的NewCI+方法,同时在影响力节点的选择策略上,较CIM算法有所调整。多个真实数据集上的传播能力实验表明,LNewCI+-ARIM算法在精度和时间复杂度上能够取得良好的平衡。（4）基于影响力度量方法NewCI,设计出可调节的局部领袖节点选取策略下的自适应集体影响最大化算法LNewCI-ARIM。通过替换CIM算法中的影响力度量方法为NewCI,调整选点策略与（3）相同,提出了针对病毒控制任务的影响最大化算法LNewCI-ARIM,并通过网络破坏性实验证明了该算法的有效性。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  •   1.1 研究背景
  •   1.2 课题内容及意义
  •   1.3 国内外研究现状
  •   1.4 本文主要研究工作
  •   1.5 论文安排
  • 第二章 相关理论基础和方法
  •   2.1 复杂网络基础知识
  •     2.1.1 复杂网络的建模及形式化表示
  •     2.1.2 复杂网络的基本拓扑特征
  •   2.2 复杂网络基本模型
  •     2.2.1 随机网络
  •     2.2.2 小世界网络
  •     2.2.3 无标度网络
  •   2.3 影响力度量基本方法与衡量指标
  •     2.3.1 基于局部网络结构的度量方法
  •     2.3.2 基于全局网络结构的度量方法
  •     2.3.3 迭代寻优中心性的度量方法
  •     2.3.4 影响力度量方法的评价指标
  •   2.4 影响力传播模型
  •     2.4.1 传染病模型
  •     2.4.2 信息传播模型
  •   2.5 影响最大化问题及基本方法
  •     2.5.1 影响最大化问题的定义
  •     2.5.2 影响最大化问题的基本算法
  •   2.6 本章小结
  • 第三章 融合节点邻域信息的集体影响中心性度量方法
  •   3.1 引言
  •   3.2 研究进展
  •   3.3 背景知识
  •     3.3.1 渗流理论
  •     3.3.2 非回溯矩阵
  •     3.3.3 集体影响
  •     3.3.4 网络破坏性度量
  •   3.4 融合节点邻域信息的集体影响中心性
  •     3.4.1 方法描述
  •     3.4.2 复杂度分析
  •   3.5 实验结果与分析
  •     3.5.1 实验环境与数据集
  •     3.5.2 对比度量方法与评价标准
  •     3.5.3 节点免疫的网络破坏性试验
  •     3.5.4 节点的传播能力仿真实验
  •   3.6 本章小结
  • 第四章 局部领袖节点选取策略下的自适应集体影响最大化算法
  •   4.1 引言
  •   4.2 CIM算法
  •   4.3 局部领袖节点选取策略下的集体影响最大化算法
  •     4.3.1 局部领袖节点选取策略
  •     4.3.2 LNewCI+M算法
  •     4.3.3 时间复杂度分析
  •   4.4 局部领袖节点选取策略下的自适应集体影响最大化算法
  •     4.4.1 LNewCI+-ARIM算法
  •     4.4.2 时间复杂度分析
  •     4.4.3 LNewCI-ARIM算法
  •   4.5 实验与分析
  •     4.5.1 实验环境与数据集
  •     4.5.2 LNew CI+-ARIM 算法验证实验
  •     4.5.3 LNew CI-ARIM 算法验证实验
  •   4.6 本章小结
  • 第五章 总结与展望
  •   5.1 研究工作总结
  •   5.2 展望
  • 致谢
  • 参考文献
  • 附录:作者在攻读硕士学位期间发表的论文
  • 附录:作者在攻读硕士学位期间参与的项目

    • 文章来源

    类型: 硕士论文

    作者: 宋甲秀

    导师: 张曦煌

    关键词: 复杂网络,影响力度量,影响最大化,病毒控制,网络传播

    来源: 江南大学

    年度: 2019

    分类: 基础科学

    专业: 数学

    单位: 江南大学

    分类号: O157.5

    总页数: 77

    文件大小: 5823K

    下载量: 86

    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：;  ;  ;  ;  ;  

    复杂网络中影响力节点挖掘算法的研究
    下载Doc文档

    猜你喜欢

    © 2024 毕论降 版权所有 鄂ICP备12018319号-6