基于拓扑势和谱聚类的社区发现研究-软件工程专业论文.docxVIP

万方数据 万方数据 论文审阅认定书 研究生 在规定的学习年限内，按照研究生培养方案 的要求，完成了研究生课程的学习，成绩合格；在我的指导下完成本 学位论文,经审阅，论文中的观点、数据、表述和结构为我所认同， 论文撰写格式符合学校的相关规定，同意将本论文作为学位申请论文 送专家评审。 导师签字： 年 月 日 致谢 依稀记得 12 年初次步入研究生实验室的场景，三年硕士研究生生涯即将结 束，时间如白驹过隙，回首这段时光，令人一生难忘。在这三年里，我收获颇多， 不仅仅学习了专业的理论知识，同时也通过实验室的项目锻炼自我，提升动手能 力，在此，衷心地向给予我支持、帮助、关怀的老师们、同学们以及亲爱的师兄 师弟们表示感谢！ 首先，非常诚挚的感谢我的导师王志晓副教授，是他将我带领到了科研的道 路上，并在三年的学习和生活中给予我莫大的指导和帮助。本文是在王老师的悉 心指导下完成的。在科学研究中，王老师精湛的专业知识，严谨的逻辑思维和踏 实的创新精神都无时不刻激励着我，并且在工作中精益求精的作风，深深的影响 了我。使我不仅仅在三年的研究生学习生活中严格要求自我，在以后工作的岗位 上更要严于律己，踏实工作。在实践中，王老师带领我们在项目中攻克难关，完 成任务，并且给我们提供了很多现场实践的机会，给予技术上的指导。 其次，感谢夏院长、孟老师给我们提供良好的科研环境，给了我们一个具有 温馨科研氛围的实验室，同时也感谢实验室的师兄师姐们，在我们刚刚步入研究 生生活时给我们科研和实践上的帮助与建议，使我们少走很多弯路，也要感谢各 位同学，在科研中一同讨论，共同进步，在项目中分工合作，提升效率。三年的 科研生活，有了你们的帮助，才会有多彩的颜色，那些一同体会过的酸甜苦辣， 那些成功的喜悦，失败的教训，都是我宝贵的财富，衷心祝愿大家一帆风顺。 另外，感谢我的父母和亲人们，是你们一直无私的支持我，无微不至的关怀 我，你们的鞭策、激励、鼓舞都是我前进的不竭动力，我会继续勇往直前，你们 是我最坚强的后盾。 最后，再次感谢导师王老师对我论文的指导，感谢各位师兄师弟们，同学们 对我论文的帮助，鄙人才疏学浅，虽然几经修改，但是疏漏之处在所难免，衷心 地感谢在百忙之中评阅论文和参加答辩的各位专家、教授，还望各位老师批评指 正，提出宝贵意见！ 摘 要 社区发现是复杂网络领域的热点研究内容。社区发现算法有很多种，谱聚类 方法是其中一类典型的方法。与其他的传统方法相比，该方法具有映射简单，数 理逻辑严密，及适用于任何形状的数据集等优点。但是，谱聚类方法也存在一些 不足。首先，需要人工确定社区数目，虽然可以利用谱间隙的梯形结构确定社区 数目，但是当网络社区结构不明显时，无法通过 Normal 矩阵的特征向量对应的 阶梯数目判断社区个数。其次，构建谱聚类的映射矩阵多采用节点度构造，节点 的度能够直观地反映节点与邻接节点间的关系，但是无法反映其与网络中其他节 点之间的联系，无法包含更多的结构信息，致使特征值及其相应特征向量的计算 出现偏差，在一定程度上影响了社区划分结果的准确性。 本文提出基于拓扑势场模型的社区数量检测方法。该算法基于复杂网络构建 拓扑势场，然后根据节点的拓扑势值计算网络的凹凸性参数。该值越大，复杂网 络对应拓扑势模型的波峰波谷越明显，该值越小，复杂网络所对应拓扑势模型的 起伏越平缓。本文针对上述两种类型复杂网络的特点分别有哪些信誉好的足球投注网站局部极大势值节 点，并对这些节点进行必要的判定和合并，最终检测出整个复杂网络的社区数目。 通过对真实复杂网络和人工生成的网络的实验，表明该方法具有较高的社区数量 检测的正确率。 本文提出融合拓扑势场和谱聚类的社区发现算法。该算法利用节点拓扑势值 构造谱聚类中的节点标准矩阵，并通过基于拓扑势场模型的复杂网络社区数量检 测方 法所 获得 的局 部 极值 点指 导谱 聚类 进 行社 区发 现， 将局 部 极值 点作为 K-means 聚类算法的初始中心点，减少迭代次数，提高谱聚类算法的性能。节点 拓扑势是周围节点在本节点处产生势值的叠加和，能从全局角度反映节点间的紧 密关系，使得节点标准矩阵包含了更多的节点间结构信息，有助于提高社区划分 结果的准确性。通过对真实复杂网络和人工生成的网络的实验，表明该方法对能 够有效的发现网络的社区，划分正确率更高。 本文共有图 15 幅，表 8 个，参考文献 61 篇。 关键词：拓扑势；谱聚类；社区数目；社区发现 I II Abstract Community detection is a hot topic in research of complex networks. There are many kinds of community detection algorithms. Spectral cluster