随机模糊算法下的复杂社会网络研究
2017-06-05俞静,季姝
计算机与数字工程 2017年5期
随机模糊算法下的复杂社会网络研究
∗
俞静季姝
(河海大学商学院南京211100)
针对全球化发展带来的复杂社会网络节点关系分析难度大的问题,论文在随机模糊算法概念下对复杂社会网络的节点集合进行划分。利用复杂社会网络拓扑结构性质,从网络矩阵关系结构为出发点,分别修正了网络节点路径长度和边集内聚集系数。通过随机概率定义实现了完全规则网络到完全随机网络的过渡,对每个独立的社会网络节点进行编码并设定唯一的标签,完成网络节点集合的聚集度发现。通过算法仿真结果表明:随机模糊算法在随机概率取0.5时,复杂社会网络节点聚集划分过程中节点时间复杂度优于传统的模糊聚类算法,该算法在8次迭代后社会网络节点重叠模块率达到0.92。
社会网络;网络节点;随机概率;模糊算法
Class NumberTP391.6
1 引言
在全球化相互关联的背景环境下,从事管理工作的人都认为社会网络至关重要[1]。随着社会的不断发展,不同类型的社会网络会产生不同的结果[2]。因此,充分了解复杂社会网络之间的关系可以为资源的整合利用带来更加高效的工作业绩。其中,社会网络理论将一定网络中的不同的个体与其他个体相互作用后,在外部环境中实现动态的接触、决策和分析,为整个社会网络及时分享共有资源信息[3]。现有的社会网络分析主要有角色连接轮廓方法[4]、混合隶属度随机块模型[5]和关系强度控制机制[6]等。论文在分析复杂社会网络拓扑结构的基础上,利用边集和点集构造复杂社会网络矩阵关系,通过修正网络节点路径长度和边集内的聚集系数将任意两个节点的边相连,即形成全连接的社会网络。……
登录APP查看全文
