当前位置：问答库＞论文摘要

现实世界中的很多复杂系统都可以通过网络来表示和研究，复杂网络已经成为了近年来的一个研究热点，吸引了不同领域的学者的广泛关注。社团结构是许多实际复杂网络共同具有的最重要的结构特性之一，也是复杂网络尤其是社会网络的一个重要研究方向。目前关于复杂网络社团结构的研究主要集中在两个方面：构建合理的具有社团结构的复杂网络模型以及准确而快速地划分实际复杂网络中的社团结构。 本文在总结已有成果的基础上做了如下工作： 在分析总结现有的具有社团结构的复杂网络演化模型基础上，提出了一个新的演化模型。通过总结现有模型的优缺点，联系实际网络中存在的节点度优先连接、社团大小优先增长，叶节点比例以及网络中的随机重连等统计规律，设计了相应的演化机制对网络的演化过程进行模拟。并使用平均场方法证明了模型的分布特性与实际规律相符。通过仿真实验，对模型生成的网络进行统计分析，验证了模型的适用性。 在GN（Girvan-Newman）社团划分算法的基础上，提出了一种新的网络社团结构发现算法——基于节点局部相似度的社团划分方法。该算法使用一个新的衡量连边重要程度的局部参量代替GN算法中的边介数，具有较低的时间复杂度。通过多个经典实例的验证，证明该方法具有较好的划分效果，并且与GN算法相比时间效率更高。