检索结果-南通市图书馆

科研主题演化中三种典型社区发现算法对比研究——以植物甾醇信号为例

在线全文

学校读者我要写书评

暂无评论

高技术通讯 2021年第11期31卷 1164-1172页

作者：薛陕董诚韩红旗张均胜高雄王力中国科学技术信息研究所北京100038

科研主题识别和演化分析是了解科研领域发展现状和趋势的重要手段。近年来,基于复杂网络和网络演化计量的社区发现算法成为揭示科研主题演化的主要方法,有必要深入探讨该类算法在主题识别和演化分析中的优点与不足。本文选取植物油菜素... 详细信息

科研主题识别和演化分析是了解科研领域发展现状和趋势的重要手段。近年来,基于复杂网络和网络演化计量的社区发现算法成为揭示科研主题演化的主要方法,有必要深入探讨该类算法在主题识别和演化分析中的优点与不足。本文选取植物油菜素甾醇领域,构建了关键词共现网络,对比了Newman MM、Ball Overlapping和Blondel这3种典型社区发现算法的科研主题识别和演化追踪结果,并结合专家知识对3种算法效果进行分析。实验结果表明,Blondel算法在科研主题的识别和演化追踪研究中运算速度最快,识别的主题更为准确,能够较好反映领域主题演化。该研究从算法适用性角度为科研主题演化追踪研究提供了参考。

关键词：科研主题演化社区发现算法植物油菜素甾醇关键词共现网络

在线全文

学校读者我要写书评

暂无评论

基于社区发现算法的消渴六经证候研究

世界科学技术-中医药现代化 2022年第5期24卷 2151-2161页

作者：刘畅瞿溢谦虞红蕾刘雨佳杨帆王平李煜曹灵勇林树元浙江中医药大学基础医学院杭州310053 广东省中医院广州510120 杭州甘之草科技有限公司杭州310000 澳门科技大学中医药学院中国澳门999078

目的通过社区发现算法挖掘消渴病六经证候分布规律。方法在已构建的消渴病经方古籍知识图谱基础上,对图结构数据进行症状及其关联的提取,运用Louvain算法进行社区发现,运用PageRank算法分析各社区中症状的主次。另采用因子分析方法进... 详细信息

目的通过社区发现算法挖掘消渴病六经证候分布规律。方法在已构建的消渴病经方古籍知识图谱基础上,对图结构数据进行症状及其关联的提取,运用Louvain算法进行社区发现,运用PageRank算法分析各社区中症状的主次。另采用因子分析方法进行证候挖掘,并对二者结果进行比较。结果由社区发现得到4个社区,其六经证候分别为阳明病、阳明太阴合病、太阴病(水证)、太阴病(血证)。由因子分析得到10个公因子,六经证候为阳明病(X2、X4、X5、X7、X8),太阴病(X1、X9、X10)、阳明太阴合病(X3)。结论基于社区发现的证候研究方法,可有效挖掘古籍中消渴病的六经证候规律,其结果在专业上具备较强的可解释性。

关键词：社区发现算法消渴经方知识图谱

同方期刊数据库

基于改进社区发现算法的交通控制子区动态划分

在线全文

学校读者我要写书评

暂无评论

扬州大学学报（自然科学版） 2020年第4期23卷 73-78页

作者：张正华钱锦房崇鑫张嘉烽顾逸枫扬州大学信息工程学院江苏扬州225127

针对大规模复杂交通网络的子区域划分问题,通过改进社区发现算法,提出一种交通控制子区动态划分方法.通过分析相邻路口的路段长度、排队长度和信号周期等3个因素建立相邻交叉口总关联度模型,将交通网络等效为社区网络,以关联度表示节点... 详细信息

针对大规模复杂交通网络的子区域划分问题,通过改进社区发现算法,提出一种交通控制子区动态划分方法.通过分析相邻路口的路段长度、排队长度和信号周期等3个因素建立相邻交叉口总关联度模型,将交通网络等效为社区网络,以关联度表示节点间的重要性,改进社区发现算法中的边权与点权建立子区划分模型,并参照实际交通网络对划分方案进行对比论证.结果表明,所提交通路网划分方法更合理且高效,并可根据不同的交通特性进行动态划分,能为降低整个城市区域交通协调控制的难度提供可行的方案.

关键词：交通网络社区网络交叉口关联度社区发现算法协调控制

基于网络社区发现算法的中国植被类型群系分类研究

在线全文

学校读者我要写书评

暂无评论

基于网络社区发现算法的中国植被类型群系分类研究

作者：江伟华北电力大学(北京)

学位级别：硕士

中国植被分类问题是备受生态学者关注的重点问题之一。本文选取中国境内出现的1079个群系为研究对象,通过计算群系间在水热空间上的重合来定义群系之间的连接,以热带、热带—亚热带、亚热带、温带—寒温带和高山、亚高山、高寒、永久冰... 详细信息

中国植被分类问题是备受生态学者关注的重点问题之一。本文选取中国境内出现的1079个群系为研究对象,通过计算群系间在水热空间上的重合来定义群系之间的连接,以热带、热带—亚热带、亚热带、温带—寒温带和高山、亚高山、高寒、永久冰雪带为研究单位,建立群系在气候空间上的共存网络,采用网络分析的方法对这五个温度带群系网络进行网络结构和功能分析,并且运用基于边中间度的社区发现算法、基于随机游走的网络社区发现算法、快速贪婪模块度最大化算法和基于主要特征向量的社区发现算法这四种社区发现算法以及本文所提出的一种基于渗透理论的社区发现算法对群系网络进行聚类,研究这些算法对中国植被类型群系分类的效果。主要结论如下:(1)构建的五个温度带群系网络连接紧密,网络中很少出现孤立群系,而且群系共存网络的加权度分布和连接边权值分布均呈一种幂率分布,说明了构建的网络中少数节点拥有大量的连接边,而大部分节点只有很少连接边,证明网络的无标度特性。(2)在热带中,在基于模块度最大化的聚类策略中,快速贪婪模块度最大化算法和基于主要特征向量的社区发现算法的准确率均最高,均达到67.24%;而在基于特定类的聚类策略中,基于边中间度的社区发现算法的准确率为最高的80.24%;而对于热带—亚热带、亚热带、温带—寒温带和高山、亚高山、高寒、永久冰雪带群系网络,在基于模块度最大化的聚类策略中,均为基于边中间度的社区发现算法的准确率最高,分类准确率分别达到77.98%、71.00%、79.17%和75.08%;而在基于特定类的聚类策略中,均为基于主要特征向量的社区发现算法的准确率最高,分类准确率均有所提升,分别达到87.42%、87.35%、95.06%和91.49%。(3)提出了一种基于渗透理论的社区发现算法,在热带和温带—寒温带中,基于渗透理论的社区发现算法的准确率分别达到79.77%和91.83%,与社区发现算法中最高的准确率相差无几;而在热带—亚热带、亚热带和高山、亚高山、高寒、永久冰雪带这三个温度带中,基于渗透理论的社团发现算法的准确率分别为81.70%、78.68%和82.88%则明显不如社团发现算法中最高的准确率,但也接近于准确率次高的结果。本文旨在利用网络科学中的方法研究中国植被分类这一古老问题,探索了利用水热两个维度的特征建立水热空间对植被分类的适用性,为以后的植被或者物种分类问题提供了新的思路,为生态学研究提供了新的参考,为认识生物多样性的自然规律和植被恢复提供了新的理论基础。

关键词：群系植被分类网络聚类渗透理论社区发现算法

基于社区发现算法的微博垃圾信息发送用户识别研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于社区发现算法的微博垃圾信息发送用户识别研究

作者：郭丽苏州大学

学位级别：硕士

随着网络的高速发展,作为信息传播主体的人越来越多地参与到各种社区媒体中。近些年,各种社区工具层出不穷,例如国内的微信、QQ、微博、贴吧、社区等,国外的Instagram、Facebook、Line等。人们在这些社交媒体上阅读新闻、分享所见所闻... 详细信息

随着网络的高速发展,作为信息传播主体的人越来越多地参与到各种社区媒体中。近些年,各种社区工具层出不穷,例如国内的微信、QQ、微博、贴吧、社区等,国外的Instagram、Facebook、Line等。人们在这些社交媒体上阅读新闻、分享所见所闻和即时互动。由于信息量急剧膨胀且不同信息混杂出现,给垃圾信息的出现提供了条件。这些垃圾信息,轻则影响用户体验,重则影响到社会的稳定发展。因此,关于垃圾信息的处理也成为业内关注的热点问题之一。文献中关于垃圾信息的处理大多集中在两方面:一是垃圾信息的检测;另一个是垃圾信息的过滤。这些方法虽然可以很大程度上解决垃圾信息,但都是在垃圾信息产生之后可采取的措施。本文利用多种社区发现算法对用户进行分析,通过已知的部分垃圾信息发送者,发掘潜在的垃圾信息发送者,以期从源头上遏制垃圾信息。本文首先利用聚集系数对微博数据的聚集程度进行分析,然后通过社区发现算法中的LPA算法、Fast Unfolding算法、模拟退火算法以及随机游走算法对微博用户数据进行分析,得出4种算法的社区划分结果。根据划分的社区,取垃圾信息发送者占比前10的社区。对每种算法得到的可能潜在垃圾信息发送用户取交集,得到67个可能性较大的用户ID名单。经过以上实证分析发现:本文构建的发掘潜在垃圾信息发送用户的方法能够得到部分疑似名单,对垃圾信息处理的研究具有一定的参考意义。

关键词：社区发现算法垃圾信息微博潜在垃圾信息发送者

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于社区发现算法的交叉科学期刊分类研究

基于社区发现算法的交叉科学期刊分类研究

作者：朱彦蓓天津师范大学

学位级别：硕士

2020年11月29日,我国国家自然科学基金委员会正式成立交叉科学部,在此之前,交叉学科已于今年8月成为我国第14个学科门类,“大科学”时代随之到来。立足整体全揽科学研究的全过程,交叉科学是科学发展的必然趋势。任何学科随着研究的进一... 详细信息

2020年11月29日,我国国家自然科学基金委员会正式成立交叉科学部,在此之前,交叉学科已于今年8月成为我国第14个学科门类,“大科学”时代随之到来。立足整体全揽科学研究的全过程,交叉科学是科学发展的必然趋势。任何学科随着研究的进一步深入,在达到一定程度时总会出现不可逾越的屏障。基础学科之间破除传统研究模式的禁锢呈交叉发展趋势,学科之间的内聚作用,使得高度分化的“专业化”再度高度聚合化的形式,学科之间交融程度也达到了前所未有的地步。鲜有研究人员进行出版物之间的引文关系的大规模分析,研究多建立在论文层面,涉及期刊层面较少。因此,本文选取In Cites平台数据库的ESI分类下MULTIDISCIPLINARY的期刊数据,运用Louvain算法,提出交叉科学期刊的新划分方式。因期刊分类易受客观因素影响,为了减小学科分类体系的偏差,选取科学算法用以支撑。本文选用基于模块度的Louvain算法进行社区发现,运行速度快,可在较短时间内实现大规模网络的社区划分,且无需指定社区的数量,当模块度不再增益,迭代停止。根据交叉科学视域下的期刊分类可行性实证研究,本文得出以下结论:第一,Louvain算法在交叉科学研究中具有一定的实践意义。期刊分区效果较好,呈现出清晰的知识脉络,如有更庞大的数据量会展现更全面的学术研究版图。第二,本文重新对期刊进行分类,以期刊之间的权重表为分类基础,在一定程度上为揭示此关系进行了探讨和研究,研究结果显示出此研究方法是可行的。第三,交叉科学视域下期刊评价亟需变革。面对学术研究和科学发展的需求,推动交叉科学研究已亟不可待。科学评价事推动交叉科学发展的重要动力之一,以期达到“以评促建”的目的。本文以期突破现有的研究方法和研究模式,聚焦传统学科分类无法解决的知识交叉问题,理清交叉科学期刊关系脉络。采用数据驱动科学分区,为期刊分类新方法的实施提供借鉴。

关键词：交叉科学期刊分类社区发现算法期刊共被引

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于稠密子图的社区发现算法研究

基于稠密子图的社区发现算法研究

作者：张浩杰山西大学

学位级别：硕士

复杂网络分析在生物网络、社会组织结构、搜索引擎及推荐系统中被广泛应用。社区结构是复杂网络中的一个重要特征,一个复杂网络通常包含若干个社区,社区内部对象连接相对紧密,社区间对象连接相对稀疏。在从大规模的复杂网络中进行社区... 详细信息

复杂网络分析在生物网络、社会组织结构、搜索引擎及推荐系统中被广泛应用。社区结构是复杂网络中的一个重要特征,一个复杂网络通常包含若干个社区,社区内部对象连接相对紧密,社区间对象连接相对稀疏。在从大规模的复杂网络中进行社区发现已经成为众多领域研究的热点之一。发现复杂网络中的社区结构有助于分析和理解复杂网络的拓扑结构,以便人们更好地对其表示的复杂系统进行研究。基于密度的图聚类算法通过搜索网络中局部稠密子图来识别社区,在社区发现中得到了广泛应用。然而,此类算法会产生大量无法划入社区的未聚类节点。针对此问题,本文对基于稠密子图的重叠聚类算法进行研究,主要包括以下两方面工作:（1）针对无权无向网络,给出了一种基于稠密子图的软聚类算法（Community Detection Algorithm Based on Dense Subgraphs,BDSG）。算法首先根据密度阈值搜索网络中的稠密子图得到中心社区;对无法加入中心社区的未聚类节点,定义了一种结点对社区的归属度,并以此为主要依据给出中心社区扩展策略,将未聚类节点分配至某些中心社区,得到最终的社区发现结果。该中心社区扩展策略确保算法可以发现网络中的重叠社区结构。与经典的基于密度的图聚类方法CPM、k-dense算法在5个真实网络数据集上的比较结果表明BDSG算法在模块性指标与时间效率方面体现了良好性能,同时中心社区扩展策略能在一定程度上提高CPM、k-dense等基于密度算法的聚类有效性。（2）针对带权无向网络,给出了基于加权稠密子图的重叠社区发现算法（Overlap Community Detection on Weighted Networks,OCDW）。算法首先综合考虑网络拓扑结构及网络本身边权重信息,给出了一种网络中边权重的定义方法,进而给出点权重定义方式,选择权重最大的节点作为种子节点;定义了子图的社区适应度函数,将种子节点逐步扩展成为稠密子图作为中心社区;最终将未聚类节点按照归属度进行中心社区分配,通过合并优化过程得到最终社区发现结果。与k-dense、CPM、MCODE、HC-PIN、MDOS及BGLL算法在6个无权网络和3个带权网络的比较结果表明算法OCDW在F度量、准确度、分离度、标准互信息、调整兰德系数、模块性及运行时间等方面均表现出较好的性能。

关键词：复杂网络社区发现算法重叠社区稠密子图

蛋白质相互作用网络功能模块发现的几种社区发现算法的比较分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

蛋白质相互作用网络功能模块发现的几种社区发现算法的比较分析

作者：吴先琼湘潭大学

学位级别：硕士

近年来,复杂网络理论和系统生物学等复杂科学理论和技术迅猛发展。利用复杂网络方法研究大规模生物分子网络,特别是蛋白质相互作用网络中的功能模块问题得到各领域科研工作者的大量关注。大量研究成果表明,蛋白质相互作用网络中存在功... 详细信息

近年来,复杂网络理论和系统生物学等复杂科学理论和技术迅猛发展。利用复杂网络方法研究大规模生物分子网络,特别是蛋白质相互作用网络中的功能模块问题得到各领域科研工作者的大量关注。大量研究成果表明,蛋白质相互作用网络中存在功能模块。许多研究者利用复杂网络理论提出了一些社区发现算法来发现蛋白质相互作用网络中的功能模块。本文将主要比较分析几种社区发现算法在蛋白质相互网络中的应用的性能。首先利用MIPS生物数据库和科研文献构建了酵母菌蛋白质相互作用网络,并分析其复杂网络的无标度性和平均聚集系数,发现酵母菌蛋白质相互作用网络度分布满足P(k)∝k-1.536,同时其平均聚集系数要比同等规模的随机网络的平均聚集系数要大得多,这些都暗示酵母菌蛋白质相互作用网络中蕴含着社团结构。然后介绍了基于聚合或分裂思想、模块度优化思想、信息流思想、谱聚类思想和随机游走思想的六种社区发现算法。再结合酵母菌蛋白质相互作用网络功能模块数据应用这六种算法,发现这些算法中有过度学习问题,实际的功能模块要比发现的社团要少得多并且很多小社团匹配同一功能模块。最后用模块度,纯度和信息熵等度量指标来比较分析这些社区发现算法在酵母菌蛋白质相互作用网络上的优劣,发现相比模块度和纯度,用信息熵来评价社团发现算法在功能模块发现问题上更合理。而且这些社区发现算法中FUA算法最为有效。

关键词：大规模生物分子网络蛋白质相互作用网络酵母菌复杂网络社团结构社区发现算法图聚类模块度信息熵

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

动态重叠社区发现算法研究与实现

动态重叠社区发现算法研究与实现

作者：李震宇北京印刷学院

学位级别：硕士

随着电子通信与社会媒体等技术的不断发展,产生了大量映射实际、错综复杂的数据关系。这类关系型数据通常被以图（Graph）的形式来表示,在实际生活中一般称这样的图为网络（关系网络、社会网络等）。社区发现（社区检测）常被用来揭示... 详细信息

随着电子通信与社会媒体等技术的不断发展,产生了大量映射实际、错综复杂的数据关系。这类关系型数据通常被以图（Graph）的形式来表示,在实际生活中一般称这样的图为网络（关系网络、社会网络等）。社区发现（社区检测）常被用来揭示节点的集群行为,是社会网络分析（SNA）的重要手段之一。在真实复杂网络中,节点可能同属不同的社区,并且节点的社区归属会随着关系的变化而不断变化,即社区具有重叠性与动态性。本文围绕真实复杂网络上社区的重叠性与动态性,对动态重叠社区发现算法及相关工作进行研究,使得基于社区发现的网络分析方法可以应用到网络全局到局部的各个层面。主要的研究成果如下:1、提出了一种基于渗透理论的相似度网络构建方法。针对无明确关系的数据类型,通过指定关系的方式将数据转换为节点的特征向量,利用余弦相似度函数生成节点相似度矩阵,再利用网络渗透理论分析设定相似度阈值,将节点相似度矩阵转换为网络邻接矩阵,从而生成一个无权无向图。并通过实验验证了所生成相似度网络具备复杂网络的无标度特性以及社区重叠在网络渗透上具有重要作用。2、提出了一种基于层级融合的社区发现算法。利用“分层策略”将网络上的所有极大团按规模划分为不同的层级,再通过“融合策略”由规模最大的层级逐级融合所有层级的子团,将网络上的所有社区划分为“核心-边缘”结构的层次社区。并通过实验验证了层级融合社区发现在取得了较高重叠模块度的同时,相较于传统的社区发现算法还具备层次结构以及结果稳定的优势。3、提出了一种基于“核心节点”的社区相似度计算方法,改进了基于独立社区的演化分析框架,使其适用于层次结构社区的演化分析。并通过实验验证了通过社区演化序列进行网络演化宏观分析与网络演化微观分析的可行性。

关键词：复杂网络社区发现算法社区层次结构社区演化分析