检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

蛋白质复合体的模块度函数与识别算法研究

蛋白质复合体的模块度函数与识别算法研究

作者：徐立秋哈尔滨工业大学

学位级别：硕士

蛋白质复合体对于研究细胞活动具有重要意义。因此，从蛋白质相互作用网络中有效地识别出蛋白质复合体，是能够促进生物信息学向前发展的一项重要工作。蛋白质相互作用网络具有复杂的拓扑结构，其中包含很多连接紧密的模块，这些模块也... 详细信息

蛋白质复合体对于研究细胞活动具有重要意义。因此，从蛋白质相互作用网络中有效地识别出蛋白质复合体，是能够促进生物信息学向前发展的一项重要工作。蛋白质相互作用网络具有复杂的拓扑结构，其中包含很多连接紧密的模块，这些模块也具有较特殊的生物学意义。因此，挖掘网络中的紧密连接的模块，是解决蛋白质复合体识别问题的重要方法。本文以蛋白质复合体识别问题为核心，主要研究内容如下：(1)针对蛋白质复合体的生物特性，本文分析了已知蛋白质复合体的拓扑结构。得出的结论是：在蛋白质相互作用网中存在着大量的，相互重叠的，规模较小的蛋白质复合体。(2)为了识别网络中的模块，Newman等人提出了模块度函数Q，目的是衡量网络中模块划分质量。然而，经过分析发现，Q函数存在一些不足。因此，本文以Q函数为基础，提出了适合蛋白质复合体识别的模块度函数PQ。(3)由于蛋白质相互作用网络规模较大，结构复杂，所以本文提出了蛋白质相互作用网络初始模块选择方法，以提高蛋白质复合体识效率。在此基础上，结合蛋白质复合体模块度函数PQ，提出了BMM算法。利用BMM算法对真实的酵母相互作用数据进行实验，并利用已知的蛋白质复合体和功能模块进行匹配，结果表明BMM算法的识别效果较好。(4)多功能蛋白质具有重要的生物学意义，通常出现在多个蛋白质复合体或功能模块中。本文利用蛋白质功能注释数据，对识别出的蛋白质复合体进行匹配，验证了很多多功能蛋白质，并识别出一些未被标注的蛋白质。

关键词：蛋白质复合体蛋白质相互作用模块度函数初始模块 BMM算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

属性图的鲁棒性嵌入方法研究

属性图的鲁棒性嵌入方法研究

作者：刘云飞电子科技大学

学位级别：硕士

现实世界中，人们的日常生活无时无刻都在产生大量数据。随着互联网技术的飞速发展，使得收集并挖掘使用这些海量数据成为了可能。在这些海量数据中，有相当一部分数据之间存在相互关联，这些数据构成一张张属性图（网络），从这些属性... 详细信息

现实世界中，人们的日常生活无时无刻都在产生大量数据。随着互联网技术的飞速发展，使得收集并挖掘使用这些海量数据成为了可能。在这些海量数据中，有相当一部分数据之间存在相互关联，这些数据构成一张张属性图（网络），从这些属性图中进行有效的数据挖掘可以为现实生活带来巨大的收益。属性图嵌入技术，作为一种有效高效且主流的图挖掘技术，近些年在学术界和工业界被广泛的关注，并衍生出大量优秀的属性图嵌入方法和基于属性图嵌入技术的应用，为人们的日常生活带来了极大的便利。然而，现存的属性图嵌入方法大多都建立在纯净环境的假设上，即假设图数据不会遭受到污染。但是在现实生活中图数据容易遭受到网络攻击或者异常节点植入，这会导致属性图嵌入方法产生节点表征的质量大幅下降。因此，本文研究了鲁棒性属性图嵌入技术，旨在使图嵌入模型遭受到网络污染时可以产生出鲁棒性的节点嵌入，具体工作和创新如下：　　1）首先分析了现存方法不鲁棒的原因，是因为现存方法大多都关注网络中的局部结构，即重构网络中点对之间的连接性质，因此当网络遭受攻击而存在攻击边（虚假边）时，虚假边将会严重误导模型。因此本文首先通过实验总结出了节点属性可以区分正常边和虚假边的规律，并在此基础上提出了AGAT模型。AGAT图嵌入模型在属性编码和模型训练阶段都融入节点属性来对正常边和虚假边进行“筛选”，以此来规避虚假边对图嵌入模型的影响，达到生成鲁棒性嵌入的效果。在四个真实数据集上进行了实验和分析，证实了当图数据具有节点属性时，AGAT图嵌入模型可以产生高质量且鲁棒的节点嵌入。然而，当图数据不具有节点属性时，AGAT模型难以利用属性信息，效果有所下降。　　2）为了解决AGAT模型在缺乏节点属性时效果差的问题，提出了基于保留网络社区结构的属性图嵌入模型AnECI。社区结构是一种比局部结构更加稳固的网络结构，在遭受网络污染时不容易被摧毁，因此基于社区结构指导的节点嵌入模型会更加鲁棒。在研究中首先对传统的模块度函数进行了分析，并提出了一种新的模块度函数，适用于更加一般的场景。之后将新提出的模块度函数作为损失与图神经网络结合，并结合另一种损失提出了AnECI模型的整体架构。之后在四个真实数据集上进行了试验和分析，实验结果验证了AnECI不仅可以生成有效且鲁棒的节点嵌入，且每个部分都可以发挥积极作用，有着很高的效率。

关键词：复杂网络鲁棒性属性图嵌入模块度函数图神经网络社区结构

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

复杂网络中的社团结构算法综述

电子科技大学学报 2009年第5期38卷 537-543页

作者：汪小帆刘亚冰上海交通大学电子信息与电气工程学院

社团结构是复杂网络的一个极其重要的特性,网络社团结构挖掘在生物学、计算机科学和社会学等多个领域都具有很重要的意义。近年来,针对不同类型的大规模复杂网络,人们提出了很多寻找社团结构的算法。该文综述了该领域最新的比较有代表... 详细信息

社团结构是复杂网络的一个极其重要的特性,网络社团结构挖掘在生物学、计算机科学和社会学等多个领域都具有很重要的意义。近年来,针对不同类型的大规模复杂网络,人们提出了很多寻找社团结构的算法。该文综述了该领域最新的比较有代表性的一些算法,重点分析了基于模块度指标的改进算法,能够体现社团层次性和重叠性的新算法,衡量社团划分算法好坏的基准图。最后展望了该领域的未来研究方向。

关键词：复杂网络社团结构层次性模块度函数重叠性

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于贪婪优化技术的网络社区发现算法研究

电子学报 2014年第4期42卷 723-729页

作者：冷作福烟台市电化教育馆山东烟台264003

社区发现问题是复杂网络研究的热点问题.基于优化模块度Q函数的方法例如CNM,BGLL等是一类经典的应用广泛的网络社区发现方法.但是已有研究发现,该类方法存在分辨率的问题,即当大规模网络中存在较小社区的情况下这类方法的效果不佳.近来... 详细信息

社区发现问题是复杂网络研究的热点问题.基于优化模块度Q函数的方法例如CNM,BGLL等是一类经典的应用广泛的网络社区发现方法.但是已有研究发现,该类方法存在分辨率的问题,即当大规模网络中存在较小社区的情况下这类方法的效果不佳.近来,针对Q函数存在的问题,有研究者证明了另一个有效的目标函数surprise不存在分辨率的问题.但是目前没有直接优化该函数的有效算法,因此,提出一种基于贪婪思想的局部优化surprise函数的社区发现算法,该方法同样不存在分辨率的问题,而且算法不需要指定社区的个数.实验结果表明该方法鲁棒性好,精度优于其它经典的方法例如CNM,BGLL和LPA.

关键词：复杂网络社区发现模块度函数 surprise

在线全文

学校读者我要写书评

暂无评论

一种基于同步动力学模型的网络社团发现方法

计算机研究与发展 2012年第10期49卷 2198-2207页

作者：黄健斌白杨康剑梅钟翔张鑫孙鹤立西安电子科技大学软件学院西安710071 西安电子科技大学计算机学院西安710071 西安交通大学计算机科学与技术系西安710049

提出一种基于建模同步动力学行为的Kuramoto模型的网络社团发现算法SYN.该方法首先将网络中节点对象按照链接密度关系进行排序,每一个节点对象用一个一维坐标值表示,从而将网络数据矢量化.在聚类过程中,采用同步聚类原理对一个局部邻域... 详细信息

提出一种基于建模同步动力学行为的Kuramoto模型的网络社团发现算法SYN.该方法首先将网络中节点对象按照链接密度关系进行排序,每一个节点对象用一个一维坐标值表示,从而将网络数据矢量化.在聚类过程中,采用同步聚类原理对一个局部邻域内的对象实现同步,最终同步到一起的节点形成一个社团.通过不断扩大节点同步的邻域半径,可以得到不同分辨率的多种社团划分结果.结合社团模块度函数,可以自动选择最佳聚类结果.方法不依赖于任何数据分布假设,可以检测出任意数量、大小和形状的社团.在大量人工合成数据集和真实数据集上的实验结果表明其聚类准确率较高.

关键词：社团发现矢量化局部邻域同步动力学模型模块度函数

在线全文

学校读者我要写书评

暂无评论

基于节点特性与模块度优化的局部社区检测

基于节点特性与模块度优化的局部社区检测

作者：张静雯西安电子科技大学

学位级别：硕士

复杂网络具有社区结构性,是对真实数据中复杂系统的一种构建方式,如在社交网络中紧密连接的节点之间往往属于一个朋友圈即一个社区,因此复杂网络的局部社区检测就是由网络中任意一个节点作为种子点,发现种子点所在完整社区的过程。近年... 详细信息

复杂网络具有社区结构性,是对真实数据中复杂系统的一种构建方式,如在社交网络中紧密连接的节点之间往往属于一个朋友圈即一个社区,因此复杂网络的局部社区检测就是由网络中任意一个节点作为种子点,发现种子点所在完整社区的过程。近年来,越来越多的方法用于提高局部社区检测的准确度,但这些方法依然存在以下问题:没有根据局部社区特性使用网络中的连接信息,没有关注社区中特殊节点的作用,以及无法较好地处理边连接少的低质量种子点等问题。为解决上述问题提高局部社区检测的准确度,本文设计了三种局部社区检测方法,主要研究内容为:（1）提出了一种交替循环强融合与弱融合策略的局部社区检测算法（ASFWF）。其中强融合能够增加局部社区的模块度值,在强融合中,算法提出了新的隶属度函数。基于隶属度的弱融合能够为局部社区融入有影响力的节点,为了正确设置阈值,算法还提出了一个不需要真实社区划分的局部社区评价指标。算法使用这两种策略来交替循环融合节点,具体为每执行一次强融合后允许一次弱融合。交替循环的方式使两种策略在算法的各个阶段均发挥作用,从而提高局部社区检测的准确度。（2）提出了一种基于改进高阶模块度和边信息的局部社区检测算法（HMEI）。算法首先根据种子点的motif度大小,用不同的方法选择加入社区的第一个点。其次算法改进基于motif的高阶模块度函数对社区进行高阶扩展,得到具有紧密连接的社区中心部分。最终对于社区边缘和连接稀疏的区域,则使用边信息挖掘节点和社区的隶属关系,以检测到更完整的局部社区。该算法对低质量种子点有效,且实验证明对大规模数据集也有效。（3）提出了一种基于核节点和种子点特性的局部社区检测算法（LCDKS）。算法首先定义网络中的核节点为局部高阶信息最丰富的点,并提出了核节点扩展方法用于扩展局部社区。该扩展方法贯穿于算法的整个流程中,对社区每次添加的核节点均执行一次核节点扩展。其次算法基于种子点的特征提出了新的种子点扩展阶段,将种子点分成三种情况扩展得到初始社区。然后通过基于核节点的优化扩展阶段和社区扩展阶段得到最终的局部社区检测结果。该算法关注不同节点特性,使算法对不同质量种子点均有效,且使用核节点传播社区标签信息,提高社区检测准确度。

关键词：复杂网络局部社区检测模块度函数高阶信息隶属度函数种子点特性核节点

基于Fast Unfolding聚类算法的规模化分布式光伏电源集群划分

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

太阳能学报 2021年第10期42卷 29-34页

作者：王磊张帆寇凌峰徐毅虎侯小刚可再生能源与工业节能安徽省工程实验室(合肥工业大学) 合肥230009 中国电力科学研究院有限公司北京100192

该文分析了接入节点的光伏电源与负荷的相关特性,选取节点净负荷、光伏电源有功和无功调节容量为划分指标,并考虑节点之间的电气距离特性,通过节点相似性计算公式量化光伏电源节点间运行特性的相似性,利用Fast Unfolding聚类算法进行光... 详细信息

该文分析了接入节点的光伏电源与负荷的相关特性,选取节点净负荷、光伏电源有功和无功调节容量为划分指标,并考虑节点之间的电气距离特性,通过节点相似性计算公式量化光伏电源节点间运行特性的相似性,利用Fast Unfolding聚类算法进行光伏电源集群的划分。在划分的过程中引入复杂网络模块度函数的概念,通过优化模块度函数,无需人为设定集群的数目即可得到合理的集群划分结果。

关键词：大规模系统聚类分析聚类算法光伏电源模块度函数

在线全文

学校读者我要写书评

暂无评论

基于GN算法的城市路网区域划分方法研究

重庆交通大学学报（自然科学版） 2020年第4期39卷 6-10,22页

作者：郑黎黎杨帆孙宝凤张意斌刘珩吉林大学交通学院吉林长春130022 吉林大学吉林省道路交通重点实验室吉林长春130022

城市道路交通网络区域划分是实现区域交通控制与交通诱导的前提和基础,正确的交通区域划分能显著提高城市区域交通控制与诱导效率。将城市道路交通网络抽象为以路段行程时间为权值的复杂网络结构,采用分裂算法中的GN算法,提出道路交通... 详细信息

城市道路交通网络区域划分是实现区域交通控制与交通诱导的前提和基础,正确的交通区域划分能显著提高城市区域交通控制与诱导效率。将城市道路交通网络抽象为以路段行程时间为权值的复杂网络结构,采用分裂算法中的GN算法,提出道路交通网络模块度函数实现路网区域划分;并根据复杂网络中强社团与弱社区的概念提出道路交通网络中强连接区域与弱连接区域定义对划分结果进行评价;同时与无权道路交通网络区域划分结果进行对比评价。结果表明:该城市路网区域划分方法划分结果合理。

关键词：交通工程 GN算法模块度函数边介数强连接区域弱连接区域

基于交互行为的在线社会网络社区发现方法研究

在线全文

学校读者我要写书评

暂无评论

情报杂志 2016年第11期35卷 183-188页

作者：田博凡玲玲上海财经大学信息管理与工程学院上海200433

[目的/意义]社区发现是社交网络、生物基因表达以及物理系统等领域的一个重要且具有挑战性的研究课题。现有的在线社会网络社区发现方法可分为基于静态关系的社区发现和基于动态关系的社区发现。相对于静态社区发现方法,动态交互行为关... 详细信息

[目的/意义]社区发现是社交网络、生物基因表达以及物理系统等领域的一个重要且具有挑战性的研究课题。现有的在线社会网络社区发现方法可分为基于静态关系的社区发现和基于动态关系的社区发现。相对于静态社区发现方法,动态交互行为关系更能体现社交媒体用户的关系紧密程度。[方法/过程]提出了一种基于交互行为的在线社会网络社区发现方法,利用用户之间的转发关系、评论关系、点赞关系以及提及关系等四方面交互行为构建加权的交互网络;然后以Newman模块度函数作为优化目标,得到社区内部节点联系紧密、社区之间节点联系松散的社区划分方法。具体实现上以改进模块度函数为指标,不断合并模块度函数增益最大的节点对,直至所有的模块度函数增益都为负。[结果/结论]提出的方法在如下两方面进行改进:一方面建立了交互行为公式,同时对模块度函数进行改进。最后,选取新浪微博数据对提出的算法进行实验验证,实验结果表明提出的基于交互行为社区发现方法的有效性。

关键词：在线社交网络社区发现交互行为模块度函数动态网络模块度增益