[发明专利]一种改进的基于Surprise优化的网络模块识别方法

摘要

本发明公开了一种改进的基于Surprise优化的网络模块识别方法，该方法包括以下步骤：分析Surprise的分辨率、拓扑结构预处理(Pre_TS)、模块结构预处理(Pre_CS)、模块结构的后处理(Post_CS)和结合Pre_TS、Pre_CS和Post_CS的Surprise优化。本发明简要讨论了在利用Surprise优化挖掘网络模块过程中模块划分转的相图问题，并通过引入三种有效策略(Pre_TS、Pre_CS和Post_CS)，提出了一种改进的Surprise优化算法，在不同的网络中，所有这些策略都能从不同的方面提高Surprise优化的性能：Pre_TS可以抛光网络中的模块结构，从而能够显著地提高Surprise的分辨率；Pre_CS可以为优化算法提供更合适的初始划分，避免陷入模块分配的陷阱，从而使全局最优分区能够更有效地达到；Post_CS可以进一步改进模块分配。

主权项

1.一种改进的基于Surprise优化的网络模块识别方法，其特征在于模块识别的准确率更高，该方法包括以下步骤：S1：分析Surprise的分辨率：引入了一组具有r个模块的模块环路网络，将它们一个接一个地连接起来，在网络中，每个模块都有n_c个节点，整个网络有n＝r×n_c个节点，p_i为在模块内连接顶点的概率，p_o为在两个不同和相邻的模块中连接顶点的各自概率，研究Surprise出现模块合并的临界点，即从原来的分区到由r/2组顶点组成的分区的转变点，其中每个组包含两个相邻的模块；S2：拓扑结构预处理(Pre_TS)：计算所有节点之间的相似度；计算所有节点的度值；对每个节点，切断所有的原有链接，选择ki个相似性最高的节点，并与之相连；S3：模块结构预处理(Pre_CS)：因为越相似的的节点越可能属于相同模块，所以先计算节点相似性，此处采用共有邻居相似度CN，它表示两个顶点之间的共同邻居数，对于每个随机选择的节点i，选择其相似性最大的邻居节点t，将节点i分配到节点t所属的模块，每个节点重复一次，获得一个初始的模块划分；S4：模块结构的后处理(Post_CS)：为改善模块划分的最终输出，增加了一个改进原算法所得到的划分的过程；该过程将随机地从一个模块中删除一个顶点，将该点移动到能产生最大的Surprise增量的模块中；该过程被反复迭代，直到Surprise没有改进为止；S5：联合Pre_TS、Pre_CS和Post_CS对Surprise进行优化，优化的步骤如下：a：拓扑结构预处理：利用Pre_TS优化网络拓扑结构；b：初始化分区：利用Pre_CS产生初始的网络划分；c：随机选择一个节点，并将其移动到目标函数最大增量的模块中；d：重复步骤c，直到目标函数没有改进，或改进达到预定值；e：将当前图转换为超图：当前划分中的每一模块转化为一个超级节点，模块间的链接转换为超级节点之间的权重，模块内的链接转换为超级节点的自连接；f：从步骤c重复，直到目标函数没有改进，或改进达到预定值，或达到指定的循环次数；g：精炼模块划分：利用Post_CS进一步改善网络模块划分。