关键词： 复杂网络   重叠社团检测   双编码   多目标优化  

摘要： 近年来,多目标进化方法已被广泛应用于重叠社团检测问题并取得了较好的社团划分性能.如何设计合适的个体编码以及进化策略是提高基于多目标进化重叠社团检测算法性能的重要因素.为此,本文设计了一种双编码表示方法对非重叠社团结构和重叠点分别进行编码,能够有效解码得到重叠社团结构.在双编码表示的基础上,本文提出了一种基于双编码的重叠社团检测多目标优化方法(DRMOEA).在DRMOEA中,为了获得好的初始个体并提高算法检测性能,本文提出了一种基于社团边界点的初始化策略.除此之外,针对双编码中的重叠点编码部分,本文提出了基于精英个体边界点的交叉策略,该策略利用社团边界信息引导种群向好的方向进化,从而有效提高了算法的检测性能.最后,在9个真实世界网络上的实验结果表明DRMOEA算法优于其他5个代表性重叠社团检测算法.

关键词： 技术演进   多路径识别   创新特性   专利引证网络   社团检测  

摘要： [目的/意义]开展科技领域技术演进多路径识别及其创新特性分析,可为技术起源探究和技术价值评估提供有效帮助。[方法/过程]构建科技领域专利引证网络,通过Louvain社团检测和SPC主路径提取进行技术演进多路径识别。在此基础上,利用技术—功效共词矩阵来探究各技术演进路径的核心技术演化,利用结构洞约束度指标和技术邻近度指标来识别各技术路径节点专利的创新类型。[结果/结论]利用德温特专利索引数据库中1963—2018年柔性显示领域的9121条专利记录进行实证研究,结果表明提出的方法能够较为全面地识别科技领域技术演进的多个路径方向及其核心技术,通过结构洞约束度和技术邻近度指标能够有效检测技术演进过程中的渐进性创新和突破性创新技术。

关键词： 复杂网络   社团结构   局部随机游走   轮廓系数  

摘要： 在近几十年中,复杂网络在数据挖掘和知识发现起着越来越重要的作用。复杂网络中的社团检测引起了许多领域的极大关注。提出了一种基于局部随机游走距离LRWD轮廓系数的网络社团检测新算法(SIL算法)。此外,通过一些具有代表性的真实世界网络和计算机生成网络(GN准则和LFR准则)来测试该算法的准确性和效率。实验结果表明,SIL算法可以准确有效地检测这些网络的真实社团结构。

关键词： 高维数据   子空间聚类   稀疏表示   社团检测   复杂网络  

摘要： 现有的子空间聚类方法大多只适用于单层网络,或者仅对多层网络中每层的聚类结果简单地进行平均,未考虑每层网络中包含信息量不同的特点,致使聚类性能受限。针对该问题,提出一种面向多层网络的稀疏子空间聚类方法。将距离正则项和非负约束条件集成到稀疏子空间聚类框架中,从而在聚类时能够同时利用数据的全局信息和局部信息进行图学习。此外,通过引入稀疏约束使学习到的图具有更清晰的聚类结构,并设计迭代算法进行优化求解。在多个真实数据集上的实验结果表明,该方法能够挖掘网络不同层的互补信息,得到准确的一致性联合稀疏表示,有效提高社团聚类性能。

关键词： 社团检测   Python   i-Graph  

摘要： 社团检测是一种技术,通过监督学习、半监督学习、无监督学习或者强化学习将网络中的节点划分为独立的集合。随着互联网的发展,社交软件的普及,这一研究领域得到了重视。社团检测已经拥有了许多经典的算法,这些算法在实际应用中也得到了很好的发挥和效果。目前,半监督学习社团检测相比于监督学习社团检测,学习成本较低,半监督社团检测的发展具有较大的挑战与前景。

关键词： 复杂网络   社团检测   标签传播   核心节点预划分   随机性  

摘要： 标签传播算法是一种典型的社团检测算法,针对已有的社团检测结果不稳定的情况,提出了一个基于循环查找核节点的标签传播算法,减少了标签初始化和选择过程中的随机性.基于核心节点实现网络预划分,利用循环核心节点查找传播标签;在邻居节点的标签存在相同数量情况下,只对核心节点进行赋值标签,其他节点从其靠近的核心节点获取标签.在3个测试网络上的结果表明:本算法可以更为准确的检测出复杂网络的社团结构.

关键词： 复杂网络   社团检测   k最近邻   社团主干  

摘要： 随着复杂网络规模和种类的日渐增加,如何检测任意结构,任意规模的社团成为了社团检测的一个难点.为了解决该问题,提出了一种可以通过k最近邻发现社团主干的社团检测算法DCCB(detection community based on k NN to discover community backbone).该算法首先遍历所有节点,将两个互为k近邻的相似节点及它们的共同邻居聚集到一个社团主干中;接着,在遍历过程中,若不在主干中的节点与某个社团主干内任何节点存在互近邻关系,那么该节点也会被吸引到这个社团主干中;然后,该算法检测出社团主干中的异常节点,并将其标记为无类标节点;最后,该算法利用影响力分配无类标节点,得到最终的社团结构.该算法简单且时间复杂度较低.通过4个不同结构真实网络以及3个不同规模的人工合成网络的综合测试表明:DCCB算法能检测出任意结构与任意规模的社团,且发现的社团质量高于所用的5个基准算法.

关键词： 社团检测   复杂网络   标签传播   网络分析  

摘要： 标签传播算法的社团检测原理简洁、时间复杂性低,产生了大量的基于标签传播的社团检测方法,亟需系统性总结.本文首先分析概括了标签传播算法存在的问题、成因和挑战;然后主要从以下几方面分别阐述了其研究现状,汇总了相关方法采用的策略,分析比较了代表性算法:1)提高算法性能,2)解决不确定性问题,3)解决标签震荡现象,4)解决平凡检测问题,5)重叠社团检测,6)动态社团检测;最后总结了代表性算法的适用场景,并对该类算法的难点和发展趋势进行了展望.

关键词： 复杂网络   社团检测   电网分区   功能性社团结构   拓扑性社团结构  

摘要： 电网分区是运行和保护电网的重要课题。以关联强度代替传统的邻接矩阵,定义电气关联强度(ECS)用来反映电网中任意节点之间的电气特性,并基于发电机节点和负荷节点之间的供电关系提出供电关联强度(PSS)。在经典的模块度(Modularity)基础上,结合供电关联强度提出供电模块度(PS-Modularity)的概念,并基于此对Newman快速算法进行改进,以自动识别供电社团结构。

关键词： 社交网络   社团检测   社团隐私   社团安全   社团隐藏  

摘要： 社团是社交网络的重要特征,社团检测技术的发展给网络用户带来隐私泄露的危险。如何保护敏感的社团信息不被泄露,保障用户与社团安全已经成为网络安全领域的研究热点。近几年,社团保护技术取得了初步进展,但针对社交网络中的社团隐私或社团安全研究进展综述较少,不利于该研究方向的长远发展。因此,主要针对社团结构隐私方面的研究进展进行综述,对最新的相关研究成果进行系统地归纳、总结、比较,并展望了未来的研究方向。