一种融合节点多属性的复杂网络重要节点识别方法技术

本发明专利技术提供了一种融合节点多属性的复杂网络重要节点识别方法，包括如下步骤：S10确认网络连接；S20获得节点i的介数中心性评估参数BC(i)、节点i的近邻中心性评估参数CC(i)以及节点i的信息中心性评估参数IC(i)；S30采用改进的变异系数(ICV)计算参数BC、CC以及IC对节点i的重要性贡献系数ω

【技术实现步骤摘要】
一种融合节点多属性的复杂网络重要节点识别方法
本专利技术涉及计算机
，具体涉及一种融合节点多属性的复杂网络重要节点识别方法。
技术介绍
近年来，人们对复杂网络中重要节点进行了大量的研究，也提出了许多经典的重要节点识别算法，例如，度中心性算法(DC)，介数中心性算法(BC)，K-核分解(KC)，信息中心性算法，近邻中心性算法(CC)、特征向量中心性算法(EC)和PageRank中心性算法等，DC算法只考虑了邻居节点的数目，忽略了邻居之间的拓扑关系和节点在网络中的位置，因此相邻节点之间的相互作用不能反映在该指标中。BC描述了节点在“最短路径传输”原则下的信息控制能力。它要求信息以最短路径方式传输，但在大多数实际网络中，信息并都是通过最短路径方式传播。CC考虑了整个网络拓扑来评估节点的中心性，但它不适用于常规网络和随机网络。EC通过考虑相邻节点的重要性来评估节点的重要性，但它只是将每个节点的参数线性叠加，过度简化了实际情况。KC对网络外围节点进行分层剥离，认为内部节点更为重要。但它是一种粗粒度的排序方法，不能有效地区分节点的重要性。PageRank认为，如果一个节点应该优先链接到重要节点，或者说如果一个节点是高度链接的，那么它是重要的。在无向网络中，它类似于DC。现有技术存在问题：以上比较受欢迎节点重要性的评价指标都是基于网络的单一属性，然而，网络节点具有多个属性，仅考虑其中一个属性并不能从系统层面反映节点的重要性。当然，也有一些研究将其中几种算法进行了简单的结合，称为多指标方法。然而，这些多指标方法无法在任意网络拓扑中发挥出比单一属性方法更好的性能，主要原因在于，多个指标并不代表多个属性，有很多指标其实是根据网络同一属性开发的，所以简单地从多指标角度考虑，并没有深入理解网络节点的物理意义。因此，探索一种综合考虑网络多属性节点重要性的评价方法具有重要意义，如何在复杂网络中找到真实的关键节点仍然是一个公开的难题。从系统水平上识别复杂网络节点重要性，有两个技术难点：(1)如何从系统层面上确定复杂网络节点重要性；(2)如何有效融合网络节点重要属性构建精准的数学模型。
技术实现思路
为了解决上述问题，本专利技术提供一种融合节点多属性的复杂网络重要节点识别方法，从网络系统水平上考虑节点重要性的评价指标将介数中心性评估参数BC、近邻中心性评估参数CC以及信息中心性评估参数IC进行有效融合，从网络系统水平上考虑节点重要性的评价指标，与现有技术相比重要节点识别的可靠性极大提高，算法的精度得到了较大的改善。为了实现以上目的，本专利技术采取的一种技术方案是：一种融合节点多属性的复杂网络重要节点识别方法，包括如下步骤：S10确认网络连接；S20对最短路径可达性、拓扑位置以及信息流负荷的重要性进行评估，获得节点i的介数中心性评估参数BC(i)、节点i的近邻中心性评估参数CC(i)以及节点i的信息中心性评估参数IC(i)；S30采用改进的变异系数(ICV)计算参数BC(i)、CC(i)以及CC(i))对节点i的重要性贡献系数ωBC、ωCC以及ωIC；以及S40构建公式BICC(i)＝ωBCBC(i)+ωCCCC(i)+ωICIC(i)计算复杂网络节点的中心性得分，根据每个节点的BICC评分对网络中的节点进行排序，识别出复杂网络中系统层面的重要节点。进一步地，所述步骤S20包括如下步骤：S21评估最短路径可达性对节点重要性的影响，并用BC进行量化，获得节点i的介数中心性评估参数BC(i)满足S22评估拓扑位置对节点重要性的影响，并用CC进行量化，获得节点i的近邻中心性评估参数CC(i)满足S23评估信息流负荷对节点重要性的影响，并用IC进行量化，获得节点i的信息中心性评估参数IC(i)分别满足如下公式：R＝(rij)＝(D-A+F)-1；其中，qij＝(rii+rjj-2rij)-1，σst表示节点s与节点t之间的所有最短路径数，σst(i)表示通过节点i的节点s与节点t之间的最短路径数，dij表示节点i和j之间的最短路径。进一步地，所述步骤S30中节点i的重要性性系数wy为其中，vy是BC、CC和IC的变异系数得分，σy是y的标准差，μy是y的样本平均值，vy′是变异系数的尺度变换，y为BC、CC和IC。进一步地，ICV为通过尺度变换将参数BC、CC以及IC参数权重进行调整使得每个属性的权重都不小于0.1。本专利技术的上述技术方案相比现有技术具有以下优点：本专利技术的一种融合节点多属性的复杂网络重要节点识别方法，从网络系统水平上考虑节点重要性的评价指标将介数中心性评估参数BC、近邻中心性评估参数CC以及信息中心性评估参数IC进行有效融合，从网络系统水平上考虑节点重要性的评价指标，与现有技术相比重要节点识别的可靠性极大提高，算法的精度得到了较大的改善。附图说明下面结合附图，通过对本专利技术的具体实施方式详细描述，将使本专利技术的技术方案及其有益效果显而易见。图1所示为本专利技术一实施例的一种融合节点多属性的复杂网络重要节点识别方法流程图；图2所示为本专利技术一实施例的融合节点多属性的复杂网络重要节点识别方法框图；图3所示为本专利技术一实施例的融合节点多属性的复杂网络重要节点识别方法在社会网络中与传统方法性能比较图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本实施例提供了一种融合节点多属性的复杂网络重要节点识别方法，如图1～2所示，包括如下步骤：S10确认网络连接。S20对最短路径可达性、拓扑位置以及信息流负荷的重要性进行评估，获得节点i的介数中心性评估参数BC(i)、节点i的近邻中心性评估参数CC(i)以及节点i的信息中心性评估参数IC(i)。S30采用改进的变异系数(ICV)计算参数BC(i)、CC(i)以及CC(i))对节点i的重要性贡献系数ωBC、ωCC以及ωIC。以及S40构建公式BICC(i)＝ωBCBC(i)+ωCCCC(i)+ωICIC(i)计算复杂网络节点的中心性得分，根据每个节点的BICC评分对网络中的节点进行排序，识别出复杂网络中系统层面的重要节点。所述步骤S10如果网络已连接，请执行下一步，否则，提取网络的连通巨片作为初始网络，然后执行下一步，保证初始网络是连通的，有利于后续算法的有效评估。所述步骤S20包括如下步骤S21评估最短路径可达性对节点重要性的影响，并用BC进行量化，获得节点i的介数中心性评估参数BC(i)满足BC法是最短路径可达性的代表性方法，它既考虑了网络的全局结构，又考虑了网络的不连通性，它要求信息以最短路径的方式传输。其中σst表示节点s和t之间的所有最短路径数，σst(i)表示通过节点i的节点s和t之间的最短路径数。...

【技术保护点】
1.一种融合节点多属性的复杂网络重要节点识别方法，其特征在于，包括如下步骤：/nS10确认网络连接；/nS20对最短路径可达性、拓扑位置以及信息流负荷的重要性进行评估，获得节点i的介数中心性评估参数BC(i)、节点i的近邻中心性评估参数CC(i)以及节点i的信息中心性评估参数IC(i)；/nS30采用改进的变异系数(ICV)计算参数BC(i)、CC(i)以及IC(i))对节点i的重要性贡献系数ω

【技术特征摘要】
1.一种融合节点多属性的复杂网络重要节点识别方法，其特征在于，包括如下步骤：
S10确认网络连接；
S20对最短路径可达性、拓扑位置以及信息流负荷的重要性进行评估，获得节点i的介数中心性评估参数BC(i)、节点i的近邻中心性评估参数CC(i)以及节点i的信息中心性评估参数IC(i)；
S30采用改进的变异系数(ICV)计算参数BC(i)、CC(i)以及IC(i))对节点i的重要性贡献系数ωBC、ωCC以及ωIC；以及
S40构建公式BICC(i)＝ωBCBC(i)+ωCCCC(i)+ωICIC(i)计算复杂网络节点的中心性得分，根据每个节点的BICC评分对网络中的节点进行排序，识别出复杂网络中系统层面的重要节点。


2.根据权利要求1所述的融合节点多属性的复杂网络重要节点识别方法，其特征在于，所述步骤S20包括如下步骤：
S21评估最短路径可达性对节点重要性的影响，并用BC进行量化，获得节点i的介数中心性评估参数BC(i)满足



S22评估拓扑位置对节点重要性的影响，并用CC进行量化，获得...

【专利技术属性】
技术研发人员：刘伟，白鹤鸣，潘文洁，王理，张远鹏，
申请(专利权)人：南通大学，南通先进通信技术研究院有限公司，
类型：发明
国别省市：江苏;32