community detection by signaling on complex networks
需积分: 6 53 浏览量
2013-03-11
11:47:05
上传
评论
收藏 702KB DOC 举报
在复杂网络中的信令社区检测
基于复杂网络的信令过程中，群落结构是一种用于识别建议。如果在具有 个节点的
网络中，每个节点都被假定为是一个系统，该系统能够发送，接收，和记录信号。每个节
点被作为初始信号源以激励整个网络的一个时间。然后源节点与一个 维的矢量，其中记
录的信令过程的影响。通过这个过程中，网络上的节点的拓扑关系可以被转移到一个几何
结构 维欧氏空间中的矢量。那么最好的分区以 组统计数据和最终的社会结构的
聚类方法。这种方法可以检测在加权，加权网络的社会结构。它已被应用到
网络，扎卡里空手道俱乐部网络和足球队网络，如一些真正的网络。结果表明该算法根据
信号传输过程中效果很好。
I. INTRODUCTION
科学界的复杂网络研究已经付出了巨大的关注 在最近几年。的拓扑结构的各种不
同的系统进行了研究，如万维网 ，社会和通信网络 ，生化网络，和等 。一个有趣的
问题是检测交流了 网络结构。社区或模块内网络可以松散的节点的子集被定义为其中
更密集地相互联系起来，而相比网络的其余部分 。这些社区已经观察到在许多不同的环
境中，包括代谢网络银行网络，最显着的社会网络作品。其结果是，社区的识别有最近许
多努力的焦点。社区检测在大型网络中可能是非常有用的，因为节点属于一个绵密的社区
更容易有一些共同的属性。更重要的是，这些通信关系可能是官能团，为我们提供我们的
研究在许多其他领域的有价值的参考。在重新百分之研究，已经提出了许多不同的算法
的审查，以检测社会结构 的。这些算法可以分为三类。最大的调制算法的设计
问：有些是基于拓扑结构的设计ê介，学位，或聚类系数。及其他根据动力学性质的
再培训计划网络。
模块化 是一个指数上涨了纽曼测量社会结构 !"。它提供了清晰和精确的定义
的特点，公认的社会有非常成功的在实践中的应用。所以，我们的许多其他算法 # 提
出了将一个社会的最大化，$%! 的模块化问。不幸的是，最大的模块化 已经被证明是一
个非确定多项式时间 %& 完全问题 ，这使得它无法在一个大的分区对应的最大 网络其
实，很多算法最大化 通常启发式算法。此外，相对于所述模块化 ，这时它已经严格明
作为索引衡量社会结构，它往往结合小社区，而不是找出他们成功地在明确社区的网络与
。虽然模块化 已被证明有上述固有耳鼻喉科缺陷，它仍然是一个成功的索引来测量
个网络的时刻。因此，用于检测的社区的作品的意见是依赖于索引 '
!" 纽曼 !% 算法和频谱分析方法有两种算法基于网络拓扑 (!)。!% 算法提出的
!" 纽曼。它首先得到的树状图的净工作结构间最大的删除链接性。然后用的帮助下的
模块化 或其他指示消费电子展，最好的网络的分区可以得到。“的频谱分析方法 的原
理是基于理论的矩阵的特征向量。相对而言，谱分析方法是最数学理论为基础的方法。它
还需要一些方法来阻止挖掘出最好的分区，使用 ，确定的大小守场员的元素符号的两个
子网络特征向量等。
尚有其他算法的基础上的动态网络，其中的随机行走 方法电路的方法方法 将简
要地讨论。对于随机漫步法，每个节点包含一个助行器最初。然后，每个，*+ 将随机
选择一个邻居目前的节点上进行本地化。它是一个 ,+" 的过程。在一个适当的时间内，
沃克的概率能够达到任何其他节点。基于这种可能性，一个树形图的网络可以得到。然后
分区
在使用时，可以通过援助的模块化 '随机游动的方法检测的社区，是很难指定的最佳随机
行走的时间'而最好的分区通常是依赖于指数 '
电路的方法的方法的原理是把网络边缘的电阻，并添加足够的节点的电压网络，然后
制定出每个节点的电压基尔霍夫定律。类似的电压节点被视为更可能存在于同一个社区。
剩余11页未读，继续阅读
资源评论
