关键词： 模糊聚类   Weka   和声搜索   谱聚类   社团检测  

摘要： 聚类分析是一种重要的数据挖掘工具，在传统意义上，聚类是准确地将数据样本分到不同的类当中，这就是所谓的硬划分。但生活中的多种事物属性都存在着一定的模糊性，也就是说事物之间没有明确的判断依据,无法准确地进行事物的划分与判断,因此模糊聚类就发挥了自己的作用。模糊聚类分析是数据挖掘领域中的一个重要分支，在工程、计算机科学、生命和医学科学、社会科学和经济学等领域得到了广泛的应用。由于模糊聚类中的样本同时属于不同的类别，而且在各个类别的隶属度不同，这种不确定性反映了样本类属的模糊性，更能客观地反映现实世界，因此研究模糊聚类的算法及其应用具有十分重要的价值。 Weka是新西兰Waikato大学开发的数据挖掘平台，它为数据挖掘领域研究者提供了多种分类、聚类和关联规则等数据挖掘方法，数据预处理功能，以及算法性能评估的多种方法。作为一个开源平台，Weka具有非常良好的扩展性和兼容性，有良好定义的数据结构和基本的统计接口，为开发者提供了一个非常便利的工具。 本文主要从模糊聚类的现有问题中寻找有效措施，提高聚类结果的准确性，算法的稳定性和健壮性，减少人工的干预和对不同领域专业知识的依赖。因此，本文将基于和声搜索和谱分析的模糊聚类算法在Weka平台上实现了封装和应用，丰富该平台的聚类算法组合，扩大其使用范围。本文的工作和创新如下： 首先，提出了全局动态自适应和声搜索自动模糊聚类（Global DynamicAdaptive Clustering Harmony Search K-Harmonic Means， GDACHSKHM）算法，它是基于和声搜索与KHM混合的元启发模糊聚类算法。GDACHSKHM利用了和声搜索的全局搜索能力，能够分析数据本身的特点来确定簇的数目而不需要任何先验知识，同时能自适应地找到问题的全局近似最优解。算法运行过程中，参数能够根据每次迭代的结果来更新其值而无需手动调整，减少了人工干预。经过实验证明GDACHSKHM具有良好的聚类效果和健壮性。 其次，提出了谱差分进化调和K均值模糊聚类（Spectral DifferentialEvolution KHM，SPDEKHM）算法。该算法分为两步：谱映射和模糊聚类。谱映射实际上是Laplacian矩阵的特征求解过程，它将数据从原来空间映射到低维的解空间，减少了数据维数，让数据集的划分更加明显;映射过程中通过分析Laplacian矩阵的特征值梯度来自动确定簇个数。再利用DEKHM算法将映射空间的节点进行聚类，发挥DE和KHM各自的优点已达到最好的聚类结果。实验证实该算法在大多数的情况下能获得准确率较高的聚类结果。 最后，将谱聚类的思想应用到复杂网络的社团结构检测问题中，提出了基于关联矩阵谱映射的自动社团检测（Correlation Spectral MappingAutomatic Community Detection, CSMACD）算法。该算法首先通过关联矩阵的谱映射将社团检测问题转换为聚类问题，再以模块度值为目标函数，通过DEKHM算法来寻找最优的社团数目和相应的网络划分方案。在模拟网络和真实网络上的实验表明CSMACD能够准确地分析结构复杂，社团大小不同的网络社团结构，具有良好的健壮性。

关键词： 复杂网络   社团结构   回路  

摘要： 复杂网络的研究能够帮助人们了解网络结构，进而可以通过研究其的结构了解网络的行为和功能。目前，复杂网络的理论和方法已经大量用于到各个学科领域中，并催生出不少极具研究价值的课题和具有应用价值的项目，它在诸多交叉学科中充分地发挥着自身的优势并改变着人们的生活。 本文首先对复杂网络的概念及特性进行解释，之后介绍了几种经典的社团检测算法。在分析了经典社团检测算法存在的问题后，本文引出了回路的概念，并试图通过分析复杂网络中的回路来刻画复杂网络的特征。在复杂网络社团结构方面，本文提出了一种新的算法，以解决目前社团检测算法不能均衡时间复杂度和准确率的问题,它整合了回路和聚集系数的概念，本文用这个新的指标并采用分裂算法通过不断地从网络中删除边进行社团检测。将算法应用到计算机产生的随机网络及真实网络上，发现它可以很好地进行社团划分，并且可以均衡算法的效率、准确率。 根据实验结果以及分析，本文认为长度为3和长度为4的非平凡闭合回路可以认为是构成复杂网络的基本元素。平凡的闭合回路不像非平凡的回路一样，由于自身存在重复节点，所以并不适合用来刻画网络。最后，本文详细探讨了算法的实验平台、核心算法的设计思路及算法的实现仿真及应用。

关键词： 数据挖掘   社会网络   社团检测   随机游走   线性阈值   协同方法  

摘要： 21世纪,随着信息技术的普及发展以及各种社交网站的流行,研究人员可以便捷地收集复杂社会网络数据集,这极大程度上促进了人们对复杂社会网络的研究分析。研究表明复杂社会网络具有小世界性、无尺度性、模块性等特性。社团目前尚无明确统一的定义,一般认为是满足社团内部节点联系紧密而社团间节点联系稀疏的节点集合。社团检测算法一直是复杂社会网络中的一大研究热点,主要研究如何从复杂社会网络中发现高质量的社团结构。清晰的社团结构对研究分析复杂社会网络问题有极大的帮助。 本文的主要工作是社团检测算法研究,文中共提出了三个社团检测相关算法。第一,本文提出一种基于随机游走改进的节点相似性计算方法(RWS),可用于根据网络的拓扑图及权重信息快速计算网络中节点的相似性：第二,本文提出一种基于线性阈值模型的社团检测算法(LTCD),该算法通过初始社团不断激活边界节点的方式来扩展社团；第三,本文还提出一种基于协同方法的社团检测算法(CMCD),该算法旨在提高社团检测算法的性能。这三个算法出发点和侧重点各不相同,RWS是用来计算节点相似性,LTCD是一种简单的社团检测算法,而CMCD是一种提升社团结构检测质量的框架算法。 本文在多个真实和人工合成社会网络数据集上进行实验,从模块度、准确率和标准互信息等方面对实验结果进行分析。实验结果表明本文提出的算法能得到较高质量的社团结构。

关键词： 社会网络   社团检测   模块度   时间序列   动态演变  

摘要： 社会网络是用来描述社会成员之间关系的网络。随着计算机网络技术的迅猛发展，基于互联网的电子邮件网络、对等网络、社交网络和博客网络等新兴社会网络也得到了极大的发展。对社会网络开展研究，具有重要的理论意义和实用价值。由于社会网络往往规模庞大、结构复杂，所以我们通常采用复杂网络的理论和模型来对社会网络进行研究和建模。 真实社会网络通常具有复杂网络的一些结构特征，如:社团结构，无标度的度分布，聚类、“小世界”网络、动态演变等。社团结构是社会网络的一个重要结构特征，准确检测复杂社会网络的社团结构是近年来社会网络研究的重点。在社团结构的检测中，模块度起了很重要的作用，它可以用来评价社团结构划分的质量。另外由于社会网络消耗了互联网上的大部份流量，对社会网络进行测量也是一项重要工作，有助于我们深入了解社会网络的拓扑特征，监控网络流量，保障网络安全。本论文的主要研究工作是基于复杂网络理论挖掘社会网络的社团结构，统计分析其结构特征，并对社会网络进行主动测量，从而揭示真实社会网络的演化规律。本论文取得的创新性成果如下： (1)提出了一个基于有向加权模块度的静态社会网络社团结构检测方法 基于无向和有向网络、无权和加权网络社团结构分析的可统一性，提出了一个新的模块度最优化的静态社会网络社团结构检测方法SNCD。该方法引入了边的方向和权重，使用有向加权模块度来进行社团结构的检测。由于社团划分时可参考的有用信息更多，从而提高了算法的准确性和有效性。该方法使用堆结构和多任务的模块架构，大幅度提高了计算效率，在结点数目达到百万级的网络规模下，仍能获得较优的执行效率，并且社团划分的质量高于当前应用较广泛的一些典型算法。 (2)设计了一个基于时间序列的动态社会网络社团结构检测模型 将社会网络的时序动态性和时刻静态性用时间序列的方式来表示，即社会网络在时间序列的每一个时刻是静态的，同时又随时间序列动态演变。通过使用基于结构相似度的模块度新定义，设计了一个基于时间序列的动态社会网络社团结构检测模型。该模型首先提出了一个静态社会网络社团结构检测方法LMA，用以检测时间序列上每一个时刻的静态社团集合，为下一步DNCD方法提供中间过程社团集合。随后扩展LMA方法，提出了一个基于时间序列的动态社会网络社团结构检测方法DNCD。该方法将中间过程社团集合与社团时间序列链进行匹配，以得到社团演变的轨迹和反映网络结构的稳定社团集合。 (3)提出了一个社会网络主动测量策略 为了深入了解社会网络的结构特征，监控网络的实时状态，提出了一个多协议模块化的社会网络主动测量策略。以对等网络中的BitTorrent协议作为测量对象，采用拟定的主动测量策略，设计了相应的测量指标，实现了对真实社会网络的实时测量，揭示了真实社会网络的内在结构特征和行为模式。

关键词： 动态网络   进化方法   局部优先   重叠社团   时序演化  

摘要： 作为一种对现实中大规模复杂系统的抽象工具，复杂网络得到了广泛的关注。现实世界中的复杂系统往往随时间缓慢变化，动态网络作为刻画复杂网络动态性的有效手段，具有很高的研究价值。目前对复杂网络进行分析的方法主要集中在社团检测上。对动态网络进行社团检测，有助于人们认识网络特性以及发展趋势，具有重要的理论和实际意义。 传统的动态网络社团检测算法通常在每个时刻对网络快照进行划分，试图找到“模块性”较高的社团结构，然后分析社团之间的关系。这种方法忽视了动态网络的时序性，难以发现社团结构的演化性。同时，传统的社团检测算法通常以一种“自顶向下”的视角对网络进行划分，这种方法通常难以发现小于一定规模的小社团。然而，现实中这些小社团可能具有一些实际的功能和意义。另一方面，现有的动态社团检测算法通常不能检测到社团的重叠结构，而重叠性作为社团结构的重要特征，很有研究的必要。综上所述，本文提出了一种基于进化和局部优先的动态社团检测算法，对每个节点抽取其EgoMinusEgo子图，在其上使用标签传播算法进行局部社团划分，之后以一种“自底向上”的视角不断合并局部社团直至得到网络的一组划分。在执行合并策略时，引入了覆盖率和分布率两个指标分别代表当前社团拓扑结构与历史信息两个方面，使用进化聚类框架来平衡这两个指标，从而使得到的社团具有时序演化性。 本文在真实网络数据上对提出的动态网络社团检测方法进行了实验。实验结果表明本文提出的基于进化和局部优先的社团检测算法能够有效地检测到社团的重叠结构，同时能够检测到具有实际意义的小规模社团结构。而与其他局部优先的算法相比时，本文的算法得到的社团结构更好，同时在相邻时刻间具有更紧密的联系。

关键词： 网络   社团结构   模块度优化启发式算法   社团检测  

摘要： 模块度优化的启发式快速算法常常用来检测复杂网络中的社团结构。较之其余的社团检测方法,该算法在计算时间上更具优势,而且用模块度衡量发现检测社团的质量很高。运用模块度优化启发式算法划分空手道俱乐部网络、大学足球俱乐部网络和区域贸易网络等,并对其结构和功能做出一定的分析。特别地,针对贸易网络中自由贸易区往往表现为一个社团的特点,以221个国家或地区为研究对象,对贸易协定与地域之间的关系做了大量的实证研究。首先,从世贸组织网站上采集了区域贸易协定中国家之间贸易的数据;其次,通过模块度启发式算法进行社团划分,共得出7个主要的贸易区,其中欧盟自由贸易区的社团表现极为明显;最后,从社团结构的表现形式推断实际区域间的贸易情况。

关键词： 社团结构   模块密度   对分划分方法  

摘要： 在许多领域,例如社会科学,技术科学及生物科学,复杂网络中的社团发现是一项重要任务。这些社团结构暗含着系统功能方面的信息并用来帮助人们理解网络的功能及增长机制。谱分优化了由李等人最近提出的一种用来评估和发现社团的模块密度函数。提出了一种对分算法,该算法使用模块密度矩阵的主特征向量迭代来检测网络社团结构。在一个经典的计算机产生的随机网络中检验了算法。当社团结构变地模糊时,实验结果显示这种新的算法在发现复杂网络社团上是有效的。

关键词： 网络   社团结构   重叠社团   社团检测  

摘要： 网络,数学家们称其为图,它为许多复杂系统的结构提供了一个很好的抽象,从社会网络、计算机网络,到生物网络以及物理系统的状态空间。在过去的几十年里出现了许多确定网络系统拓扑结构的改进实验,但对实验产生的数据进行科学的分析,仍然存在本质的挑战。目前的社团检测中主要存在两个问题:一是不知道网络中有几个社团;二是网络中的顶点可能属于不同的社团,也就是社团中存在重叠结构。为了了解各种重叠社团检测算法的思想、实现步骤、优缺点比较、算法应用,文中对邻域重叠社团检测算法进行了深入的分析,以k-means算法分析了经济网络,同时采用Silhouette指标解决了最佳聚类数的问题,并通过仿真实验证明了此算法的可能性。

关键词： 复杂网络   社团   中心性   核矩阵   特征谱分   模块密度中心性  

摘要： 论证了社团检测函数模块密度的优化进程能转化为核矩阵的特征谱分.基于核矩阵最大特征值对应的特征向量,提出了一种新的中心性方法,称为模块密度中心性方法.与以往中心性度量方法不同,这种方法以模块密度检测复杂网络中的社团结构为基础,度量了第一个节点到它分配社团上的贡献,对社团的贡献越大,该节点的中心性值越高,反之亦然.通过合成网络和标准数据集网络,验证了该方法,并同其他中心性方法进行了比较,实验表明提出的模块密度中心性方法对网络中关键节点有更好的解和稳定性.进一步在计算机产生的两个大的随机网络和来自现实世界的两个大的复杂网络中,研究了模块密度中心性方法的统计分布.结果表明了提出的中心性方法能够刻画复杂网络的拓扑结构属性.

关键词： Steganography  

摘要： Steganography refers to information or file that has been concealed inside a digital media. Steganalysis is used to detect and/or estimate potentially hidden information from observed data with a little or no knowledge about the steganography algorithm and its parameters. Current trend in steganalysis seems to suggest two extreme approaches (a) little or no statistical assumption about the image under investigation. Statistics are learnt using a large database of training image and (b) a parametric model is assumed for the image and its statistics are computed for steganalysis detection. This research developed a new hybrid approach which comprises of neural network and S-DES encryption scheme which is used to detect the stego content in corporate mails. In this research work we implemented the combination of Compression, Encryption, Steganography to enhance the security of the data sent and Steganalysis methods which will detect the stego content in corporate emails. This method will be used to enhance the security measures of corporate mails. © 2012 International Journal of Computer Science Issues.