摘要: 复杂网络遍布人们的日常生活，为人们的生活提供了很多的方便，同时它们也存在着一定的风险。如果某些影响力节点发生故障，可能迅速导致整个网络系统瘫痪。因此，识别复杂网络中有影响力节点具有一定的理论价值和实践意义。 复杂网络中度量节点的... 展开 复杂网络遍布人们的日常生活，为人们的生活提供了很多的方便，同时它们也存在着一定的风险。如果某些影响力节点发生故障，可能迅速导致整个网络系统瘫痪。因此，识别复杂网络中有影响力节点具有一定的理论价值和实践意义。 复杂网络中度量节点的重要性使用节点的中心性，本文基于中心性思想，结合边的潜在重要性和网络的拓扑结构，研究网络中影响力节点的排序以及识别最有影响力节点，主要工作如下。 首先，根据复杂网络理论与特性，分析影响力节点与度分布、聚集系数、特征路径长度的相关性，并应用一个无向无权的网络分析经典影响力节点挖掘方法具有的局限性。 其次，针对无权复杂网络中已有的影响力节点挖掘算法，没有考虑边的潜在重要性和邻居的不同贡献程度的问题，本文提出了基于二度中心性的影响力节点识别算法 TDC。该算法定义了边潜在的重要性，考虑到邻居的不同贡献程度，同时引入调优参数θ调整不同邻居对节点不同影响程度，从而得到每个节点的影响力值。 再次，针对加权复杂网络中已有的影响力节点挖掘算法，没有考虑节点在网络中的拓扑位置和不同邻居的贡献程度的问题，本文提出了基于聚类度的影响力节点识别算法CDA。该算法在加权度的基础上，进一步考虑了网络拓扑结构，同时考虑到直接邻居对节点不同的贡献程度，通过边的权重衡量不同邻居对节点不同的贡献程度，从而得到每个节点的影响力值。 最后，本文的实验是在 Windows 平台下使用 MATLAB 语言实现。应用不同的真实网络，从不同的方面比较所提方法和其他算法之间的有效性。 收起