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。PageRa本文档来自技高网...

【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