怎么衡量一个生物复杂网络节点重要性的重要性

来源：蜘蛛抓取(WebSpider) 时间：2017-07-24 03:56 标签： 节点重要性
生物网络分析及比对概述_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
生物网络分析及比对概述
阅读已结束，下载文档到电脑
想免费下载本文？
定制HR最喜欢的简历
下载文档到电脑，方便使用
还剩5页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢社交网络中节点重要性分析_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
社交网络中节点重要性分析
龙源创新数字传媒(北京）股份有限公司|
总评分0.0|
试读已结束，如果需要继续阅读或下载，敬请购买
定制HR最喜欢的简历
你可能喜欢
您可以上传图片描述问题
联系电话：
请填写真实有效的信息，以便工作人员联系您，我们为您严格保密。鸿运论文网 C 专业论文写作平台！
当前位置： >
基于复杂网络的节点影响力评价模型研究
　　0 引言&
　　近年来，复杂网络已成为多个学科的研究热点。许多复杂网络具有社区结构，社区可以被看作一个网络的子图，同一社区中节点间联系紧密而不同社区间的节点联系松散。研究表明，社会网络和生物网络都具有明显的社区结构。网络的结构与其功能有密切关系，在线社区结构可以揭示复杂网络中的隐藏规则并帮助预测和控制行为，如Web社区发现、蛋白质网络分析和功能预测等。对复杂网络中节点重要性的评价一直受到研究人员的广泛关注，发现网络中的关键节点是网络研究的重要内容。&
　　在社会网络分析中，&中心性&一般用来测度最有影响力的节点。Pastor-Satorras R和其他一些人用中心性（度中心性）来测度最有影响力的节点，与非均匀幂律网络一致，度越大的枢纽节点影响越大，这是目标免疫和熟人免疫策略的基本依据。Brin S、 Page L等人提出了PageRank算法用以衡量网页的重要性，该算法认为网页节点的重要性取决于其前向链路的数量和质量。Opsahl T用紧密度（邻近中心性）来描述一个节点到其它节点的难度。kitsak M等通过K-shell分解来确定最有影响力的单源节点。&
　　从一个角度来讨论节点的重要性，比如：以节点度作为重要性评价依据的方法，强调节点边的数量，在一定程度上显示出节点在网络中的重要程度，但具有相同度的节点未必具有相同的重要性；介数用于描述节点或边对于网络信息或信息流的控制能力，介数中心性一般根据最短路径和大多数实际网络来定义。但网络信息并不沿着最短路径流动而是随机流动。因此，在一些网络中，介数中心性不用于衡量节点的重要性。邻近中心性考虑节点间的独立性，这种独立性是指与其它节点联系时需要最少的中介节点的可能性，但邻近中心性在很大程度上依赖于网络拓扑结构，它可以准确发现集中型网络的中心节点，但不适合正则图、ER随机网络等。此外，本研究发现，度量与中心性程度是有关联的，度中心性较高的网络节点通常具有较高的邻近中心性。其它诸如特征向量中心性则充分考虑与目的节点的重要性，通过相邻节点的重要性来确定中心节点的位置。子图中心性反映了节点在局部网络中的作用，网络流和随机游走都采用了模拟现实的思想。&
　　本文认为，节点的影响不仅取决于内部属性，也与外部特性密切相关。内部属性有诸如度、邻近度、介数以及其它定心指标，外部属性诸如社区规模、社区内关系的亲密程度等等。社区是由有共同爱好的人、或同一个地方的人、或从事相同工作的人、或有亲缘关系的人组成的群体。社区内的节点是密切联系的，不同社区的节点则关系松散。&
　　在社会网络中，找到最有影响力的节点可以帮助我们有效地控制疾病的传播、谣言的散布和计算机病毒的传播，也可以传播新产品、新思路以推进社会发展[2]。&
　　1 复杂网络中心性&
　　1.1 度中心性&
　　dlm表示从源节点l到节点m的最短距离。&
　　本文提出了KSC指标模型（K-shell and community centrality）。这一模型不仅考虑节点的内部属性，而且考虑节点的外部特性，如节点归属社团的特征。用SIR模型（Susceptible-Infected-Recovered）模拟传输，实验表明该方法可以较好地确定最有影响力的节点。本文针对这一有挑战性的研究提出了新的思路和方法，&
　　主要在以下领域进行了拓展和创新。（1）以前挖掘复杂网络中的潜在传播点主要依赖于节点的度、邻近度、介数和K-shell等中心性指标，但此类方法存在挖掘精度不高、适应性不强等缺点，因此本文提出KSC中心性度量模型。该模型不仅依据节点的内部属性来分析节点影响力，而且还考虑节点外部特性。内部属性包括度、邻近度、介数和K-shell等中心性指标，外部特性包括社区规模、社区内关系的紧密程度等等。该模型对于挖掘复杂网络中有影响力传播节点具有显著意义。（2）为了进一步验证所提出模型的正确性和有效性，本文使用SIR模型进行仿真实验，分析和比较了KSC、度、邻近度、介数、K-Shell等中心性指标。在实验模拟的传播过程中，每次只在网络中选择一个节点作为初始传播节点，设置一个较短的传播时间（t=10），对每个节点进行1000次实验然后取均值，最终的感染节点和恢复节点总数定义为影响力F（t）。仿真结果表明：使用KSC模型挖掘复杂网络潜在节点精度更高、范围更大。&
　　2 模型和算法&
　　K-shell给出了网络节点的粗粒度重要性。网络边缘节点的K-shell值为1，然后就像剥洋葱一样一层层地进入到网络的核心。首先移除网络中所有度小于K的节点及与之关联的边，如果仍然存在值小于K的节点，就继续移除这些节点，直至网络中其余节点的值不小于u，依次令u=1，2，3，&n，即可得到网络的K-shell分解，具体过程可参考图1。kitsak等人的实验研究表明，对于一个感染率较低的单一传播源，具有较大的度或介数的节点未必是最有影响力的节点，由K-Shell分解得到的网络核心节点（具有较大K值）才具有最大的影响力。研究表明，K-Shell分解是一种更好的方法，它可以更好地确定有影响力的节点以及预测病毒的传播[3]。当感染疫情在网络中具有较大K值的节点上爆发时，该病毒总是通过多种途径感染网络核心的部分。无论该节点的度是大还是小，这个结论都是正确的。反过来，这些途径的存在也就意味着如果一个源节点随机爆发病毒，具有较大K值的节点比其它节点更易被感染（预测传染）。（节选）
随机硕士毕业
全站推荐研究生毕业论文
热门毕业论文范文
是一家提供2106最新的论文价格，论文格式，论文查重的免费论文网。
服务涵盖计算机、医学、通信、法律等职称论文和硕士论文毕业论文代写。
售前Email: 客服QQ: QQ：复杂网络抗毁度和节点重要性评价方法 - 论文资料-
当前位置：
复杂网络抗毁度和节点重要性评价方法
馆藏：17370
下载此文档
同系列文档
Baidu Button END -->
官方公众微信

我要回帖

更多关于 节点重要性 的文章

 

随机推荐