資源描述：
《基于復(fù)雜網(wǎng)絡(luò)的社區(qū)檢測(cè)算法研究與實(shí)現(xiàn)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、碩士學(xué)位論文基于復(fù)雜網(wǎng)絡(luò)的社區(qū)檢測(cè)算法研究與實(shí)現(xiàn)作者姓名付雅晴學(xué)科專業(yè)軟件工程指導(dǎo)教師李東教授所在學(xué)院軟件學(xué)院論文提交日期2018年4月ResearchandImplementationofCommunityDetectionAlgorithmBasedonComplexNetworksADissertationSubmittedfortheDegreeofMasterCandidate：FuYaqingSupervisor：Prof.LiDongSouthChinaUniversityofTechnologyGuangzhou,China分類號(hào)：
2、TP3學(xué)校代號(hào)：10561學(xué)號(hào)：201520134330華南理工大學(xué)碩士學(xué)位論文基于復(fù)雜網(wǎng)絡(luò)的社區(qū)檢測(cè)算法研究與實(shí)現(xiàn)作者姓名：付雅晴指導(dǎo)教師姓名、職稱：李東教授申請(qǐng)學(xué)位級(jí)別：工學(xué)碩士學(xué)科專業(yè)名稱：軟件工程研究方向：社區(qū)檢測(cè)算法論文提交日期：2018年4月28日論文答辯日期：2018年6月1日學(xué)位授予單位：華南理工大學(xué)學(xué)位授予日期：年月日答辯委員會(huì)成員：主席：陳澤琳委員：李東、方瓊、李引、徐楊摘要復(fù)雜網(wǎng)絡(luò)的研究是近年來的一個(gè)熱點(diǎn)。在現(xiàn)實(shí)生活中，生物基因網(wǎng)、物聯(lián)網(wǎng)、人際關(guān)系網(wǎng)、互聯(lián)網(wǎng)等等形成了各種各樣的復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)。社區(qū)檢測(cè)的出現(xiàn)就是為了觀察復(fù)雜網(wǎng)絡(luò)的
3、結(jié)構(gòu)，研究復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)的特性。社區(qū)檢測(cè)是一個(gè)將雜亂無序的網(wǎng)絡(luò)結(jié)構(gòu)轉(zhuǎn)變成合理有效的網(wǎng)絡(luò)結(jié)構(gòu)的過程方式，其處理對(duì)象是網(wǎng)絡(luò)中的聯(lián)系、拓?fù)浣Y(jié)構(gòu)、個(gè)體等（抽象為網(wǎng)絡(luò)圖中的邊、節(jié)點(diǎn)等），并具有其各自的屬性（例如邊的權(quán)重、方向，節(jié)點(diǎn)重疊度等），社區(qū)檢測(cè)利用特定算法以及網(wǎng)絡(luò)本身的特性處理社區(qū)劃分過程。社區(qū)檢測(cè)能夠?qū)?fù)雜網(wǎng)絡(luò)結(jié)構(gòu)化，進(jìn)而幫助人們發(fā)現(xiàn)社區(qū)的內(nèi)在屬性，改進(jìn)社區(qū)的交互形式。復(fù)雜網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)和網(wǎng)絡(luò)的功能有著緊密的關(guān)系（如魯棒性、傳遞性等），因此找出網(wǎng)絡(luò)的正確社區(qū)結(jié)構(gòu)并分析相關(guān)性質(zhì)具有重要意義，基于點(diǎn)邊比率的模塊度社區(qū)劃分標(biāo)準(zhǔn)是目前最常用的衡量網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)劃
4、分好壞的度量，但存在一些無法克服的問題，也存在resolutionlimited問題，這就需要改進(jìn)方法來提高社區(qū)劃分的準(zhǔn)確度。本論文提出了一種新的基于互信息與信息熵聯(lián)合評(píng)判的的社區(qū)檢測(cè)質(zhì)量評(píng)價(jià)方法，該方法很好地避免了resolutionlimited問題，將信息傳遞的有損拓?fù)鋲嚎s過程映射到社區(qū)劃分過程，利用信息量計(jì)算方法替換模塊度計(jì)算方法，大大提高了算法劃分結(jié)果的準(zhǔn)確度。并在此基礎(chǔ)上將非重疊網(wǎng)絡(luò)社區(qū)劃分方法進(jìn)一步優(yōu)化，加入重疊節(jié)點(diǎn)判斷機(jī)制，使其能針對(duì)重疊網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行社區(qū)劃分，得到準(zhǔn)確度較高的劃分結(jié)果。本文的研究從互信息結(jié)合信息熵的雙重角度揭示社區(qū)劃
5、分中更深層次的本質(zhì)特征，加以建模實(shí)現(xiàn)，發(fā)現(xiàn)和揭示其中的規(guī)律，并給出與其他經(jīng)典算法（例如GN算法、FastGN算法、LFM算法和CPM算法等）的實(shí)驗(yàn)結(jié)果的比較和分析。關(guān)鍵詞：復(fù)雜網(wǎng)絡(luò)；社區(qū)檢測(cè)；聯(lián)合評(píng)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
