一种新的改进的加权k-核分解方法

被引：4

作者：

宋起超

机构：

[1] 西南大学计算机与信息科学学院

来源：

软件工程 | 2016年 / 01期

关键词：

复杂网络; 节点重要度; k-核分解; SIR;

D O I：

暂无

中图分类号：

O157.5 [图论];

学科分类号：

摘要：

k-核分解算法是一种优秀的评估复杂网络节点重要性的方法,然而该方法对于复杂网络节点的排序还存在一些问题。本文提出了一种改进的加权k-核分解算法,通过改进节点加权度的计算对已提出的方法进行改进。然后在四个真实网络上利用SIR传染病模型进行了实验仿真。实验结果表明,改进后的算法比原有方法在评估节点重要性方面更具有优越性。

引用

页码：21 / 22

页数：2

共 6 条

[1] 网络重要节点排序方法综述
任晓龙
吕琳媛
[J]. 科学通报, 2014, 59 (13) : 1175 - 1197
[2] 基于自适应仿射传播聚类的社团发现求解
穆宝良
李晋
[J]. 软件工程师, 2013, (06) : 32 - 35
[3] Weighted k-shell decomposition for complex networks based on potential edge weights[J] . Bo Wei,Jie Liu,Daijun Wei,Cai Gao,Yong Deng. Physica A: Statistical Mechanics and its Applicat . 2015
[4] Identifying influential nodes in complex networks[J] . Duanbing Chen,Linyuan Lü,Ming-Sheng Shang,Yi-Cheng Zhang,Tao Zhou. Physica A: Statistical Mechanics and its Applications . 2011 (4)
[5] Imitation dynamics of vaccination behaviour on social networks
Fu, Feng
Rosenbloom, Daniel I.
Wang, Long
Nowak, Martin A.
[J]. PROCEEDINGS OF THE ROYAL SOCIETY B-BIOLOGICAL SCIENCES, 2011, 278 (1702) : 42 - 49
[6] Identification of influential spreaders in complex networks
Kitsak, Maksim
Gallos, Lazaros K.
Havlin, Shlomo
Liljeros, Fredrik
Muchnik, Lev
Stanley, H. Eugene
Makse, Hernan A.
[J]. NATURE PHYSICS, 2010, 6 (11) : 888 - 893

← 1 →