基于机器学习的复杂网络社团结构分析及其应用研究

网络社团结构分析是复杂网络研究的一个重要问题，传统的基于模块度最大化的社团结构分析技术主要集中在单部网络的分析上，存在对社团大小有内在要求、不能保证精确求解最优划分和缺少社团划分合理性评价标准等缺点。本项目结合主成分分析、非负矩阵分解、基于样本（Exemplar）的聚类和最近邻聚类等机器学习和模式识别的理论和方法，提出几种基于这些理论和方法的新颖有效的单部网络社团结构分析算法；以图论和矩阵分析相关理论为工具，在单部网络社团结构分析算法的基础上，研究网络的点图线图变换及其对应线图网络的社团结构分析，同时在网络的特征谱框架下研究有向网络，二部网络和超图网络社团结构划分的新算法；利用网络节点可嵌入欧式空间进行特征分析的特性，提出基于社团结构分析技术的新的机器学习算法；研究所提出的算法在现实网络结构分析和模式识别中的应用。