一种基于综合强度和节点效率的网络关键节点识别方法技术

本发明专利技术公开了一种基于综合强度和节点效率的网络关键节点识别方法，有效的解决了现有技术中一直未有有效的关键节点识别方法能被广泛使用的问题出现。本发明专利技术利用综合强度和节点效率来得到节点的重要度值，而节点的重要度值与节点的关键度成正比，从而判断出来此节点是否是关键节点，避免现有的方法在对关键节点进行识别时存在一定的局限性，导致现有的关键节点识别方法未能被广泛的使用，本申请设计的方法可被广泛使用，并利用综合强度和节点效率提高了在对关键节点的识别时的准确性。提高了在对关键节点的识别时的准确性。提高了在对关键节点的识别时的准确性。

【技术实现步骤摘要】
一种基于综合强度和节点效率的网络关键节点识别方法


[0001]本专利技术涉及复杂网络分析
，特别是一种基于综合强度和节点效率的网络关键节点识别方法。

技术介绍

[0002]现实生产和生活中，许多复杂系统都可用网络模型来表示，如生物系统中可以用生物网络来表示，航班系统可以航班网络来表示，供应链系统可以用供应链网络来表示，而节点是网络模型中的组成部分之一。研究发现，网络模型中某些节点对网络模型的结构和机能的稳定性至关重要，这些节点称之为关键节点，而度中心性则是网络模型分析中最直接的度量指标，一个节点的节点度越大就意味着这个节点的度中心性越高，该节点在网络中越重要，也即是通过对节点的度中心性进行监测就能得到关键节点，然而度中心性仅反映节点的局部信息，存在忽视其他节点影响和自身节点特性的问题，因此，准确识别网络的关键节点并进行监测对于网络模型的结构和机能具有重要意义。
[0003]现有技术提供出了多种算法或方法，如PageRank算法、HITS(hypertextinduced topic search)算法，这两者虽能有效识别出有向网络的关键节点，但不能直接应用于加权网络；而基于节点移除算法和基于D
‑
S证据理论算法两算法时间复杂度高，在非连通网络中的识别效果不理想。这些方法仅从局部考虑节点的重要性而忽略整体，也忽略节点自身的特性，导致一直未有有效的关键节点识别方法能被广泛使用。
[0004]因此本专利技术提供一种的新的方案来解决此问题。

技术实现思路

[0005]针对现有技术存在的不足，本专利技术的目的是提供一种基于综合强度和节点效率的网络关键节点识别方法，有效的解决了现有技术中一直未有有效的关键节点识别方法能被广泛使用的问题。
[0006]其解决的技术方案是，一种基于综合强度和节点效率的网络关键节点识别方法，所述识别方法具体包括如下步骤：
[0007]S1、构建包括n个节点，m条边和权重为W的有向加权网络；
[0008]S2、根据构建的有向加权复杂网络确定各节点的综合强度；
[0009]S3、计算各节点的节点效率；
[0010]S4、根据步骤S2、S3确定网络中的关键节点。
[0011]进一步地，所述步骤S2的具体步骤为：
[0012]B1、根据构建的有向加权复杂网络确定各节点的节点强度Si：
[0013][0014]其中为节点i的入强度值，为节点i的出强度值，λ为度值影响系数；
[0015]B2、计算各节点的节点邻接度Q
j
：
[0016][0017]其中Q
j
为节点j的邻接强度值，节点j为节点i的邻居节点，η为影响系数，s
jr
为指向节点j的节点r的强度值，s
rj
为节点j指向节点r的强度值；
[0018]B3、根据步骤B1和步骤B2计算得到影响系数
[0019]B4、根据步骤B1
‑
B3计算得到各节点的综合强度D
i
＝s
i
+ηQ
j
。
[0020]进一步地，所述步骤S3的具体步骤为：
[0021]C1、首先根据构建的有向加权网络得到邻接矩阵A；
[0022]C2、应用Floyd算法对邻接矩阵A进行运算得到各节点间的最短距离矩阵A1，C3、根据最短距离矩阵得到各节点的节点效率I
i
：
[0023][0024]其中n表示网络中节点的数量，d
ij
表示从节点v
i
到节点v
j
的距离，表示从节点v
i
到节点v
j
的效率。
[0025]进一步地，所述步骤S4将步骤S2得到的综合强度和步骤S3得到的节点效率相乘得到重要度值C
i
，即C
i
＝I
i
*D
i
。
[0026]进一步地，所述步骤S4将节点重要度值C
i
从大到小排序，进而确定关键节点。
[0027]进一步地，所述步骤S4中节点的关键度与节点重要度值C
i
成正比关系。
[0028]本专利技术实现了如下有益效果：
[0029]通过本申请设计的识别方法，利用综合强度和节点效率来得到节点的重要度值，而节点的重要度值与节点的关键度成正比，从而判断出来此节点是否是关键节点。避免现有的方法在对关键节点进行识别时存在一定的局限性，导致现有的关键节点识别方法未能被广泛的使用，而本申请设计的方法可被广泛使用，并利用综合强度和节点效率提高了在对关键节点的识别时的准确性。
附图说明
[0030]图1为本专利技术提供的网络关键节点识别方法流程图。
[0031]图2为加权有向ARPA的网络图。
[0032]图3为本专利技术方法在加权有向ARPA的网络图中的节点重要性值。
[0033]图4为不同识别方法在加权有向ARPA的网络图中子图数的对比图。
[0034]图5为不同识别方法在加权有向ARPA的网络图中子图最大规模的对比图。
[0035]图6为删除前9个关键节点得到的子图数和子图最大规模的对比图。
[0036]图7为具有对称结构的有向加权网络。
具体实施方式
[0037]为有关本专利技术的前述及其他
技术实现思路
、特点与功效，在以下配合参考附图1
‑
7对实施例的详细说明中，将可清楚的呈现。以下实施例中所提到的结构内容，均是以说明书附图为参考。
[0038]下面将参照附图描述本专利技术的各示例性的实施例。
[0039]一种基于综合强度和节点效率的网络关键节点识别方法，所述识别方法具体包括如下步骤：
[0040]S1、构建包括n个节点，m条边和权重为W的有向加权网络；
[0041]S2、根据构建的有向加权网络确定各节点的综合强度；
[0042]S3、计算各节点的节点效率；
[0043]S4、根据步骤S2、S3确定网络中的关键节点。
[0044]所述步骤S2的具体步骤为：
[0045]B1、根据构建的有向加权复杂网络确定各节点的节点强度Si：
[0046][0047]其中为节点i的入强度值，为节点i的出强度值，λ为度值影响系数，且一般情况下认为节点的入度值比出度值更能影响节点的重要性；
[0048]B2、计算各节点的节点邻接度Q
j
：
[0049][0050]其中Q
j
为节点j的邻接强度值，节点j为节点i的邻居节点，η为影响系数，s
jr
为指向节点j的节点r的强度值，s
rj
为节点j指向节点r的强度值；
[0051]B3、根据步骤B1和步骤B2计算得到影响系数
[0052]B4、根据步骤B1
‑
B3计算得到各本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于综合强度和节点效率的网络关键节点识别方法，其特征在于，所述识别方法具体包括如下步骤：S1、构建包括n个节点，m条边和权重为W的有向加权网络；S2、根据构建的有向加权复杂网络确定各节点的各节点的综合强度；S3、计算各节点的节点效率；S4、根据步骤S2、S3确定网络中的关键节点。2.如权利要求1所述的一种基于综合强度和节点效率的网络关键节点识别方法，其特征在于，所述步骤S2的具体步骤为：B1、根据构建的有向加权复杂网络确定各节点的节点强度Si：其中为节点i的入强度值，为节点i的出强度值，λ为度值影响系数；B2、计算各节点的节点邻接度Q
j
：其中Q
j
为节点j的邻接强度值，节点j为节点i的邻居节点，η为影响系数，s
jr
为指向节点j的节点r的强度值，s
rj
为节点j指向节点r的强度值；B3、根据步骤B1和步骤B2计算得到影响系数B4、根据步骤B1
‑
B3计算得到各节点的综合强度D
i
＝s
i
+ηQ
j
。3.如权利要求1所述的一种基于综合强度和节点效率的网络关键节点识别方法，其特征在于，...

【专利技术属性】
技术研发人员：王志琼，杨国军，王颖，马彦辉，
申请(专利权)人：天津理工大学，
类型：发明
国别省市：