摘要：复杂网络社区检测在电子商务、网络安全、社会媒体推荐等诸多领域中应用需求日益突出，提升社区检测的精确性和稳定性显得尤为重要。研究发现，社区数目是否已知对于各项评价函数的社区检测性能具有重要影响。但是，目前并没有量化的社区数目对于评价函数影响。所以本文研究了社区数目对于基于优化方法的社区检测算法的性能影响，为基于最优化的复杂网络社区检测提供理论和实验支持。

本文通过在社区已知和未知两种情况下对于三种评价函数对社区划分质量的表现，来研究社区数目对于社团检测的影响。利用基于差分进化算法的模块度优化，通过三种评价函数即Conductance、Expansion、CS函数进行社区划分，计算优化结果与真实网络社区结构之间的归一化互信息NMI来评测目标函数对于社区划分的质量，最后统计在社区数目已知和未知情况下三种函数的在九个人工合成网络下的NMI值进行对比分析。最终经实验论证可知，社区数目已知和未知对于最优化社区的划分影响较大，并且在社区数目未知的情况下社团检测质量更好。

关键词：复杂网络社区；社团检测；拓扑质量评价函数；模块度

目录

摘要

Abstract

1 绪论-1

1.1 研究意义及应用背景-1

1.2 国内外研究现状-1

1.3 本论文主要任务-2

1.4 论文结构和内容-2

2 复杂网络社区检测相关概念-3

2.1 复杂网络-3

2.1.1 复杂网络的基本概念-3

2.1.2 复杂网络社区结构特性-3

2.2 社区检测-4

2.3 人工合成网络-5

3 社区数目约束的社团检测系统的设计-6

3.1 研究内容-6

3.2 技术路线-6

3.2.1 拓扑质量评价函数原理及实现-6

3.2.2 基于差分进化算法的模块度优化方法-7

3.2.3 基于模块度优化的社团检测数学描述-8

4 社区数目约束的社团检测系统的实现-10

4.1 实验过程-10

4.2 社区数目约束下的社团检测性能对比-11

4.2.1 Codutance函数-11

4.2.2 CS函数-12

4.2.3 Expansion函数-13

结    论-15

参 考 文 献-16

致    谢-17