预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共97页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

电子科技大学UNIVERSITYOFELECTRONICSCIENCEANDTECHNOLOGYOFCHINA研究生学位论文MASTERTHESIS论文题目时序网络构造特性实证分析及研究学科专业计算机软件与理论学号21060344作者姓名邓冬梅指引教师高辉专家分类号密级UDC注1学位论文时序网络构造特性实证分析及研究(题名和副题名)邓冬梅(作者姓名)指引教师高辉教授电子科技大学成都(姓名、职称、单位名称)申请学位级别研究生学科专业计算机软件与理论提交论文日期.03论文答辩日期学位授予单位和日期电子科技大学月日答辩委员会主席评阅人注1:注明《国际十进分类法UDC》类号。THESTRUCTURECHARACTERISTICSEMPIRICALANALYSISANDRESEARCHINTEMPORALNETWORKAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:ComputerSoftwareandTheoryAuthor:DengDongmeiAdvisor:ProfessorGaoHuiSchool:SchoolofComputerScience&Engineering独创性声明本人声明所呈交学位论文是本人在导师指引下进行研究工作及获得研究成果。据我所知,除了文中特别加以标注和道谢地方外,论文中不包括其她人已经刊登或撰写过研究成果,也不包括为获得电子科技大学或其他教诲机构学位或证书而使用过材料。与我一同工作同志对本研究所做任何贡献均已在论文中作了明确阐明并表达谢意。作者签名:日期:年月日论文使用授权本学位论文作者完全理解电子科技大学关于保存、使用学位论文规定,有权保存并向国家关于部门或机构送交论文复印件和磁盘,容许论文被查阅和借阅。本人授权电子科技大学可以将学位论文所有或某些内容编入关于数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密学位论文在解密后应遵守此规定)作者签名:导师签名:日期:年月日摘要现实生活中复杂网络无处不在,研究复杂网络构造和特性能协助咱们理解、预测和优化网络动态行为。以往对复杂网络研究大多是将网络抽象成静态图,即在进行抽象过程中忽视了网络自身具备时间属性。但是现实生活中网络特别是与人类行为有关网络,它们和人类作息时间息息有关,这些网络带有时间属性。考虑此类网络时间属性将使得网络各类特性发生变化。本文重要工作是将带有时间属性网络抽象成时序图,研究分析此类网络构造特性、节点重要性以及传播动力学等。文章一方面简介时序网络定义,再运用信号解决学中功率谱知识获取离散信号周期办法来获取时序网络周期,并用实际网络数据进行实证分析。然后简介时序网络构造特性,涉及在Dijkstra算法基本上提出最短时序途径算法,用数学办法证明其对的性,分析其复杂度并与Holme提出算法进行了对比;定义了在时序网络中节点中心性如介数、接近中心性等度量指标,并用构建网络进行了计算分析与对比。之后对时序网络中重要节点挖掘进行了研究,在静态网络中基于节点边沿贡献值评价节点重要性办法基本上,考虑网络时间属性并提出事件有关节点感染方式,提出了时序社交网络中节点重要性评价指标与排序算法,成果表白,提出算法可有效地挖掘时序网络中重要节点。由于时序网络有其独特特性,近年来,越来越多学者开始研究时序网络特性,例如阵发性、周期性等对信息传播影响。因而文章最后采用SIS和SIR传播模型以及依赖历史节点感染方式,研究时序阵发性对信息传播影响,并采用数据集SexualEscort和Infectious做实例分析。本章虽然提出了自己算法,也改进了别人算法以适应在时序网络上,但是尚有诸多值得改进地方。文章提出最短距离算法虽然是精准,但是时间复杂度较高;文章节点重要性计算只针对时序社交网络,此外算法时间复杂性很高;文章中时序阵发性对信息传播影响研究得并不透彻。核心字:时序网络,构造特性,记录特性,节点重要性,传播ABSTRACTComplexnetworkexistseverywhereinreallife,researchingnetworkstructureandcharacteristicscanhelpustounderstand,predictandoptimizethenetworkdynamicbehavior.Inthepast,mostscholarsabstractednetworksintostaticdiagramsthatignoredthenetworks’timeattribute.Butinreallife,networksespeciallyhumanbehaviornetworksarecloselyre