论文部分内容阅读
复杂网络具有自组织，自相似，小世界效应，无标度以及具有社团结构等特性的网络，其中社团结构是复杂网络的一个重要属性。分析社团结构具有很大的实际意义和价值，社团结构相当于网络的功能单元，如代谢网络中的一个循环或路径，或与网页上某个主题的集合相对应。此外，最近的一些结果显示，网络在社区层面所具有的属性与整个网络的属性具有很大的不同，而忽视社区结构可能错过许多有趣的特性。在过去的几年，已出现很多的方法用来检测网络中的社区结构。对于特定的网络，哪种计算或测度最有效，不仅取决于具体的问题应用，还取决于这个系统本身的一些行为特征及特点。所以每种方法都有其适应性以及优缺点，但是总体而言，对某类特定网络都具有实际的意义与价值。 本文基于余弦相似度和欧氏距离相似度，提出了一种混合相似度指标，该指标能够较为准确的衡量多维矢量之间的相似程度，并将该指标用于多属性大群体决策问题中，提出了基于该指标的多属性大群体决策排序算法，该算法能够帮助管理者更好地对错综复杂的决策问题进行决策。多属性大群体决策系统本身也是一种复杂系统，将该系统进行抽象概括，便可以得到一个复杂网络，进而将该指标延伸到复杂网络研究领域。基于此混合相似度指标，提出了一种用于社团检测的算法，该算法最初将每个节点都视为一个独立的社团结构，利用层次聚类的思想首先将最相似节点合并，再根据社团相似度将社团块进行合并，直到模块度达到最大化，算法终止。在计算机生成的网络上、空手道俱乐部网络、宽吻海豚网络、足球网络等真实网络上的实验，证实了本算法的可行性以及优势，说明本文算法不仅能正确的划分出整个网络中的社团结构，还在社团划分的正确率方面有所提升。最后，利用“中国知网”论文库中，2013至2017这五年的有关复杂网络的期刊文献，构建了带有时间序列的关键词网络。并将上述算法进一步延伸，用于研究关键词网络中社团结构的演变，进而揭示其规律。 本文所做的工作主要有提出了混合相似度指标，该指标能够将矢量之间方向偏差和距离偏差进行综合衡量；提出了基于相似度的多属性大群体决策算法，该算法能够帮助决策者更好的对多属性决策问题进行科学的决策，避免决策者陷入 决策困境；决策系统本身也是一种复杂系统，所以结合复杂网络的知识，以一种新的视角，提出了基于相似度指标的社团划分算法，该算法不仅能正确检测网络中存在的社团结构，与已有的一些算法相比，正确率有所提升；提出基于相似度指标的社团演化研究，以关键词网络为例子，研究不同时间点上网络中存在的社团结构的变化情况。核心部分为基于相似度指标的社团划分算法研究，在此之前的研究是为其做铺垫，之后的研究是对该算法的延伸。