论文部分内容阅读
与人类生活息息相关的通信网络、电力网络、因特网以及其它社会网络等,都可以抽象为复杂网络系统。在这些网络中,关键风险点以及脆弱区域的获取,也都可以看作对复杂网络中节点重要性的评估以及网络分簇的研究。保护核心节点和重要簇结构对整个网络的安全性与健壮性至关重要,而且具有重要的理论意义和实用价值。本文主要对复杂网络节点重要性评估和社团结构探测进行了研究,其工作内容如下: 1、设计了一种新的基于边传播重要性的加权邻居中心性算法 为了有效克服当前大多数节点重要性评估算法没有兼顾节点之间连边的传播重要性而造成的评价结果片面性的问题,以及全局中心性算法计算时间复杂度高的缺陷,本文通过对边传播重要性建模设计了一种新颖的加权邻居中心性算法。该算法在边传播重要性的基础上又考虑了节点本身以及其邻居节点的重要性,这一特点使得加权邻居中心性算法能够更加有效的描述节点的重要性,该结论也在实验中得到了进一步验证。 2、设计了一种基于核心节点的复杂网络社团探测算法 将网络中的重要节点作为初始社团的核心节点,然后通过计算核心节点与网络中剩余节点之间的相似度进行局部社团划分,并且利用K-means算法思想,对所得到的社团进行迭代计算,最终使得社团结构达到稳定。实验结果表明,相较于GN算法、FN算法和LPA标签传播算法,本文算法能够更加准确的发现网络中的社团结构,且计算复杂度较低。