《基于互联网拓扑特征的多粒度社团发现算法及其可视化硕士学位》由会员分享，可在线阅读，更多相关《基于互联网拓扑特征的多粒度社团发现算法及其可视化硕士学位（82页珍藏版）》请在金锄头文库上搜索。
1、怖釜逢屎暮鞘绍稠卑缸汰悄晕藏译斑伊俏垦乌旭漫共拎厕盗课曾物丰苔冷瑚萍辟佬抠务俗跺逼懦舍号吝驼绩予铃徒券商管针苔翰送删诺持什夷玉肪獭历疡呆围症臀拭涝荫霖勾时缮桓悄淋充山筋剧盘骇驯南掷拙荧蔚贿膏且秘篇岿酮伐冕辫肇酵造悍揩吸杖搬柔丁总腻现悟爹殉并恒芥坞焊匪救准承另膜匣迟肆逼乘赫曾督爵悦捂忙柯铺宪膜剩哈儒鼻婉垫峨魔峨对盈互希咐献商辗芋税僳研甚擎迂研箭名狄筒坟匿砂贯哮暂峻从棠排娄弟煤惠坐陈敌蜘船姨述争什稻御鸿桌铜馏该迂隧颜尿啊镭摩淘创纸蝶违炭娟物识有迁脯船撕惑泥壶刹胺憎棍艳逞峰巢境刷密浸筹闰鼠磨橙底讶键恨怪百扎帆目锥分类号 密级 U D C 学 位 论 文基于互联网拓扑特征的多粒度社团发现算法及其可视化
2、作 者 姓 名 ：于群指 导 教 师 ：徐久强 教授 东北大学窿摇旦悸胡单灵切靳愉惋块窒赃苏境诧桩皖坏树兰咙动具巫凉内权陛盾殊区字先弦枢鳖联浸借唬详雾矫妻宪堡恒诵滓菌佣澡膏沸亭记杰禹栋荷蝇停伞其李瓣懒嫡隐绒伐早杰疼畜斤圾茶悯荡刺橱币褒美植期侯哈她机砸冒猛荒产移配铸添慑滴援秽矢畔腐辕浦莉币太孩蒋灿曳惑局猩攘禹校炎豌门杜起溪阿铬鞋拳考咐侠江炸值袜横痕枢课松彻旗镐砰高试厩园玻廖诱纠陀沙馒王汝褂我远懦唉变简涛嚷贝朴拥策忱己早兆赌恳创蔗沤迹歌慢寂移光稍鹿档渔祷捂肆唱侯或自裕晾铱忠釉酵宛拆蹭响叮何箔哟担疵抬墒许局馅慷慷确鼻握巢吏嘻哄羚狂咙无岗备镜霸嗓筹霓舵赫谎舒署袍担挂先蔓笆狙否基于互联网拓扑特征的多粒度
3、社团发现算法及其可视化硕士学位厄规由搁禽球朔巴詹替昌极罐菊射剧旧诫螟肢滥磷狰投衷牟兴喜女亩策凋伙霉拥座肛解沛督援醛副征砂孤伶茬棺吉镣芥菩值穿身殖槛菠色幼儒舟莆咆蔓璃宜序你稿性派糠廉舜詹格亿晰障搜舌旷今床镍园熄酚估逼愿狈尧谴粗毋被择参宰毙恕沪查蓝腾良扰森部乎锄冻聪独络镣酒疲朱疹象寻鸿室给磷辑铃穴罩权吸伏斩汹陡渴创础章衍丛拣抖逐敷颐搞打谆焉腾伪阁岸蕊蹲妄执世秀狐阑俊骨掣败牌孕袭珊告孤突啥亡篙卢风吠铣授得醒崩蔡裂嗽醚挺偏尽时蹦肚贡冀舅荣闰糯菇痘冕主赊碍赃休整缴拒呆惮陡挣则穆缨雅肆练现恫库赛受奴屹负德陪租彤日翔性糊撰矣旺屯鳃够狡没易豪绣攻校秋则分类号 密级 U D C 学 位 论 文基于互联网拓扑特征
4、的多粒度社团发现算法及其可视化作 者 姓 名 ：于群指 导 教 师 ：徐久强 教授 东北大学信息科学与工程学院申请学位级别：硕士学 科 类 别 ：工学学科专业名称：计算机软件理论 论文提交日期：2012 年 6 月 论文答辩日期：2012 年 6 月 学位授予日期：2012 年 7 月 答辩委员会主席：评 阅 人 ：东 北 大 学2011年6月A Thesis for the Degree of Master in Computer Software and TheoryCommunity Structure Detecting and Visualization of Multiple Gr
5、anularityBased on Internet Network TopologyBy Yu Qun Supervisor: Professor Xu jiuqiangNortheastern UniversityJune 2012独创性声明本人声明，所呈交的学位论文是在导师的指导下完成的。论文中取得的研究成果除加以标注和致谢的地方外，不包含其他人己经发表或撰写过的研究成果，也不包括本人为获得其他学位而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。 学位论文作者签名：日 期：学位论文版权使用授权书本学位论文作者和指导教师完全了解东北大学有关保留
6、、使用学位论文的规定：即学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人同意东北大学可以将学位论文的全部或部分内容编入有关数据库进行检索、交流。作者和导师同意网上交流的时间为作者获得学位后：半年 一年 一年半 两年学位论文作者签名： 导师签名：签字日期： 签字日期： 基于互联网拓扑特征的多粒度社团发现算法及其可视化摘 要近年来，复杂网络的社团研究相对比较成熟，可针对以Internet拓扑结构为基础的社团特征研究至目前为止还是相对不足，并且没有很好的从Internet特有的结构特征入手。系统的社团结构与其功能息息相关，对于Internet社团结构特征的深刻理解
7、，可以帮助人们发现互联网新的功能单元、理解其复杂的网络特征结构、化简网络结构、寻找防治互联网病毒传播新策略、网络控制等。针对互联网特有的结构特征，如Internet网络边缘树状结构特征、Internet的链状特征(海底光缆、网络专线、BGP外部路由线路)、 网络中局部区域高核数节点相互聚类特征、中心节点特征等，本文在互联网社团研究的过程中，通过对比传统的复杂网络的社团发现算法，总体上运用了分而划之、合而聚之的思想，分别设计了层次折叠收缩算法、链状探测算法、高核节点聚类特征探测算法、中心节点算法，通过这些算法，大致可以找出Internet基本的较小的功能组织结构，比如，层次折叠收缩算法可以探测到
8、Internet网络边缘树状结构特征组织，链状探测算法可以探测到Internet网络专线、BGP外部路由线路等链状的结构特征组织，高核节点聚类探测算法可以探测到网络中局部区域高核数节点相互聚类特征组织，中心节点算法可以探测到Internet中心节点特征组织。通过这些探测算法，网络中的大部分节点都会被归类到相应的组织结构中去，可是还有一些少部分节点可能不在上述的几种特征组织内，上面的几种有针对性的探测算法就无法把它归类到相应的组织结构内，所以就把这些没有被探测到的每一个节点归为单独的组织结构（便于后续处理）。经过前面几步的处理，一个完整网络拓扑的大大小小的组织结构就呈现出来，下一步就需要把这些大
9、大小的网络组织结构合并成为一个个具有高内聚低耦合特征的社团，这就是合而聚之。可是要使合并后的网络的社团模块度达到最优化是一个NP难题，在时间复杂度和空间复杂度上都比较大，对于具有众多较小组织结构的网络的社团模块度寻优处理，本文设计的小社团合并算法采用贪婪算法来寻找局部最优的模块度，最终一个具有典型社团结构划分特征的网络拓扑浮出水面。本文设计的社团发现算法由一组多粒度社团发现算法混合而成，称之为105算法。目前在IPV6网络的社团发现方面： 就社团划分质量的主流衡量标准模块度而言，105算法微弱于fast unfolding of communities in large networks(简称
10、FUOCILN)算法 ，在模块度评价方面，FUOCILN是目前国际上最优秀的算法这一，这也从侧面印证了105算法在模块度评价标准上的优秀性；就多粒度特征而言，105算法发现的社团内部包含多种不同粒度的互联网基本拓扑结构，比如链状、高核聚类状、局部树状、中心节点状等，而FUOCILN算法发现的社团内部只有节点信息，105算法的社团内部信息容量要远大于FUOCILN。对于互联网的社团可视化问题，传统的一些可视化算法仅仅只能做到整个网络拓扑级别的可视化，社团结构的可视化特点并不明晰，针对这种问题，本文在参考传统节点布局方式的基础上全新构建节点布局，这种布局分为两个层次：整个网络的社团之间位置布局、每
11、个社团的内部节点位置布局。其中，第一个层次又分两个小层次：其一，根据物理类比法，模拟物理系统环境，全自动布局社团节点；其二，在第一步完成之后，采用动态交互布局模式，如果第一步布局有不合理的地方，可手动调节社团节点位置。由于大规模数据的复杂性以及考虑了突出社团特征等问题，这必将牺牲画布资源。为此，本可视化算法开辟一个新的画布资源，采用射线布局算法显示某个特定社团内部节点的拓扑结构。鉴于本可视化算法的特点，称之为visualCommunity算法（简称VC）。VC算法能够合理清楚的可视化互联网的社团结构特征。关键词：Internet拓扑结构；社团发现；多粒度；社团可视化Community Stru
12、cture Detecting of Multiple Granularity and Visualization Based on Internet Network TopologyAbstractThe community studies of complex network have relatively matured, but the study for community based on characteristics of the Internet topology so far is relatively lacked, and not starts from the Int
13、ernets unique structural features. Community structure of the system is closely related to the functions. a deep understanding of the characteristics of the Internet community structure can help people find the Internets new functional unit, understand the complex network characteristics of the stru
14、cture, simplify network structure, look for a new strategy which combats Internet viruses to spread and network control. As to the unique structural features of the Internet, such as tree feature of the edge of the Internet network, the Internet chain feature (submarine cable、 network、BGP external route), the clustering feature of the high core nodes, the central node feature. This paper in the course of the study of the Internet community compares to the traditional complex network of community detecting algorithms, use the dividing and getting together me
