基于节点度与派系的影响力最大化研究

基于节点度与派系的影响力最大化研究

论文摘要

现实生活中,事物与事物之间的联系构成了网络。随着事物之间的联系日趋复杂,复杂网络受到了广泛的关注和研究。其中,影响力最大化是研究的热点课题。基于贪心的影响力最大化算法通常能取得较大的传播范围,但十分耗时;基于启发式的影响力最大化算法虽然运行时间短,但由于其未考虑网络的社团结构以及节点之间的内部联系,因此传播范围较小。基于贪心和基于启发式的影响力最大化算法都难以同时获得较大的传播范围与较短的运行时间。因此,本文提出了一种基于节点度与网络最大派系相结合的度值衰减算法(MaxCliDN)来提高基于启发式的算法的传播范围,该算法利用网络最大派系来降低相邻节点的影响力覆盖范围,从而扩大选取出的种子节点集的传播范围。同时针对基于贪心的算法(CELF)计算复杂度较高的问题,本文提出了一种节点影响力排序算法(Deg_Ncliq),该算法使用节点的度值和邻居节点所存在的派系社团数之和(D_Ncilque)作为节点的影响力排序标准,从而缩短了CELF算法的运行时间。利用独立级联模型将所提出的两种算法与经典的算法在7个公开数据集进行对比实验,验证了所提算法的有效性和高效性。实验结果表明,MaxCliDN算法的传播范围要优于传统基于启发式的算法。同时,Deg_Ncliq算法与传统CELF算法相比,在能够保证传播范围的情况下,缩短了传统CELF算法的运行时间。

论文目录

  • 中文摘要
  • Abstract
  • 第一章 绪论
  •   1.1 研究背景及意义
  •   1.2 研究现状
  •   1.3 本文贡献
  •   1.4 本文组织结构
  • 第二章 相关知识
  •   2.1 复杂网络
  •   2.2 影响力最大化理论
  •   2.3 影响力最大化传播模型
  •     2.3.1 独立级联模型
  •     2.3.2 线性阈值模型
  •     2.3.3 权重级联模型
  •     2.3.4 其他传播模型
  •   2.4 影响力最大化经典算法
  •     2.4.1 贪心算法
  •     2.4.2 CELF算法
  •     2.4.3 度中心性算法
  •     2.4.4 DegreeDiscount算法
  •     2.4.5 SCG算法
  •   2.5 本章小结
  • 第三章 基于最大派系的度值衰减算法
  •   3.1 复杂网络中的派系及其作用
  •   3.2 派系算法
  •   3.3 基于节点度与最大派系的度值衰减算法
  •     3.3.1 MaxCliDN算法的基本思想
  •     3.3.2 MaxCliDN算法的步骤
  •   3.4 实验设置以及数据集
  •     3.4.1 实验环境配置
  •     3.4.2 实验参数设置
  •     3.4.3 实验数据集
  •   3.5 实验结果及其分析
  •     3.5.1 邻居节点衰减系数α的选取
  •     3.5.2 实验结果及其分析
  •   3.6 本章小结
  • Ncliq算法'>第四章 基于节点度与派系社团的DegNcliq算法
  •   4.1 复杂网络中的社团结构
  •   4.2 社团检测中的模块度
  •     4.2.1 基于模块度的社团检测算法
  •     4.2.2 模块度社团检测算法的局限
  • Ncliq算法'>  4.3 基于节点度与派系社团的DegNcliq算法
  •     4.3.1 派系过滤算法
  • Nclique指标与节点排序'>    4.3.2 DNclique指标与节点排序
  •     4.3.3 基于CELF的改进算法
  •     4.3.4 算法复杂度分析
  •   4.4 实际网络实验及其结果分析
  •     4.4.1 实验参数设置
  •     4.4.2 实验结果及其分析
  •   4.5 本章小结
  • 第五章 总结与展望
  •   5.1 本文总结
  •   5.2 研究展望
  • 参考文献
  • 在校期间的科研成果
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 魏磊

    导师: 张瑞生

    关键词: 影响力最大化,复杂网络,启发式算法,贪心算法

    来源: 兰州大学

    年度: 2019

    分类: 基础科学

    专业: 数学

    单位: 兰州大学

    分类号: O157.5

    总页数: 70

    文件大小: 4894K

    下载量: 61

    相关论文文献

    • [1].带非线性优先连接规则增长模型的节点度分布[J]. 北京邮电大学学报 2016(05)
    • [2].移动自组织网中一种平均节点度分簇算法[J]. 重庆邮电大学学报(自然科学版) 2010(02)
    • [3].基于节点度-限制的数据融合树构建算法[J]. 传感技术学报 2018(01)
    • [4].基于多点测量的网络节点度分布研究[J]. 计算机科学 2008(10)
    • [5].Internet AS拓扑的“73/27”规律[J]. 计算机工程与应用 2010(09)
    • [6].基于规则变量节点度和扩展窗喷泉码的不等差错保护算法[J]. 电子与信息学报 2015(08)
    • [7].基于节点度和最小支撑聚类的路径搜索算法[J]. 计算机工程与应用 2013(09)
    • [8].Internet AS层拓扑节点度分布特性的演化规律[J]. 湖南师范大学自然科学学报 2010(04)
    • [9].增长速度对合作网络参与者节点度分布的影响[J]. 物理学报 2010(02)
    • [10].大学生焦虑人群情绪冲突反应的脑功能网络研究[J]. 中国生物医学工程学报 2020(02)
    • [11].一种规则变量节点度LT Codes编码方案[J]. 电子学报 2014(10)
    • [12].CDN中基于节点度的网络编码策略[J]. 计算机工程 2009(18)
    • [13].基于节点度优化的无线mesh网络拓扑控制算法[J]. 桂林电子科技大学学报 2012(03)
    • [14].基于规则变量节点度LT码的协作传输[J]. 系统工程与电子技术 2015(05)
    • [15].Internet AS幂律建模及其参数估计[J]. 计算机工程与应用 2010(11)
    • [16].基于节点度和边权值比率的网络搜索算法[J]. 复杂系统与复杂性科学 2009(04)
    • [17].城市公交巴士网络的随机组织演化机制研究[J]. 预测 2008(02)
    • [18].基于弥散张量追踪技术的胶质瘤患者结构网络的节点度研究[J]. 生物医学工程学杂志 2013(06)
    • [19].WSN中故障诊断性能与平均节点度研究[J]. 计算机工程 2010(07)
    • [20].节点度估计和静态博弈转发策略的Ad Hoc网络路由协议[J]. 软件学报 2020(06)
    • [21].一个有先行者优势的确定性网络[J]. 上海理工大学学报 2008(02)
    • [22].基于节点度估计的三维WSN拓扑控制算法[J]. 计算机工程 2017(09)
    • [23].社交网络中考虑节点度的演化博弈[J]. 计算机应用 2018(04)
    • [24].基于最小节点度的WSNs传输功率控制重编程协议[J]. 传感器与微系统 2014(08)
    • [25].地铁网络无标度特性分析[J]. 东南大学学报(自然科学版) 2013(04)
    • [26].种子顾客的网络分布对创新扩散的影响[J]. 管理科学 2010(01)
    • [27].移动自组网中一种安全的最高节点度分簇算法[J]. 小型微型计算机系统 2008(08)
    • [28].最小代价最大节点度数的稀疏光疏导方法[J]. 光子学报 2014(08)
    • [29].社交网络中基于用户隐私信息的链路预测[J]. 数码世界 2016(04)
    • [30].基于复杂网络节点度分析技术的肝纤维化证候相关生物指标文献研究[J]. 中西医结合肝病杂志 2012(05)

    标签:;  ;  ;  ;  

    基于节点度与派系的影响力最大化研究
    下载Doc文档

    猜你喜欢