复杂网络间节点匹配算法研究
基于移动锚节点的距离相关定位算法
无线传感网络定位算法 基于移动锚节点的距离相关定位算法 一、无线传感网络与节点定位 1. 无线传感网络中的关键技术 无线传感器网络作为当今信息领域新的究热点，涉及多学科交叉的研究领域，涉及到非常多的关键技，主要包括：拓扑控制；网络协议；网络安全；时间同步；定位技术；数据融合；嵌入式操作系统；无线通信技术；跨层设计和应用层设计。 2. 无线传感器网络节点定位机制 无线传感器网络节点定位问题可表述为：依靠有限的位置己知节点即信标节点(锚节点)，确定布设区中其它未知节点的位置，在传感器节点间建立起一定的空间关系的过程。无线定位机制一般由以下三个步骤组成： 第一步，对无线电信号的一个或几个电参量(振幅、频率、相位、传播时间)进行测量，根据电波的传播特性把测量的电参量转换为距离、距离差及到达角度等，用来表示位置关系； 第二步，运用各种算法或技术来实现位置估计； 第三步，对估计值进行优化。 3. 节点间距离或角度的测量 在无线传感器网络中，节点间距离或角度的测量技术常用的有RSSI、TOA、TDOA和AOA等。
4. 计算节点位置的基本方法 (1)三边测量法 (2)三角测量法； (3)极大似然估计法。
5. 无线传感器网络定位算法的性能评价 几个常用的评价标准：定位精度；规模；锚节点密度；节点密度；覆盖率；容错性和自适应性；功耗；代价。 6. 无线传感器网络定位技术分类 （1）物理定位与符号定位； （2）绝对定位与相对定位； （3）紧密耦合与松散耦合； （4）集中式计算与分布式计算； （5）基于测距技术的定位和无须测距技术的定位； （6）粗粒度与细粒度； （7）三角测量、场景分析和接近度定位。 二、定位算法研究的目的和意义 定位是大多数应用的基础。由于节点工作区域往往是人类不适合进入的区域，或者是敌对区域，甚至有时传感器节点需要通过飞行器抛撒，因此节点的位置通
移动网络节点算法
项目总结文档 1 问题定义 移动网络环境中，有n个同构的移动端点，每个端点的能量为X，每发送一条消息则会损耗能量Y。现在，有一条消息要从端点s传送到t节点，已知这些节点在网络环境中随机游走，每个端点处都存储有该点与终点t的相遇次数，当两个节点相遇时可以进行消息传送，不相遇时消息携带者存储消息，问如何设计路由策略，从而使得该消息能够以最小能耗传送到目的节点t。（如果不能保证是最小能耗，那么次小能耗也可以） 2 相关资料的调研和总结 2.1 所搜集的资料 路由选择算法.pdf 网络规划师案例论文-M_ANET网络中节约能量的组播路由协议.pdf 移动自组织网络路由选择算法研究进展.pdf 多媒体传感器网络中跨层优化的实时路由协议.pdf 最短路径算法.doc 2.2 对资料的总结 通过对资料的研究，我们了解了什么是移动自有网络。移动自有组织网络，又称Mobile Ad Hoc网络，是不依赖于任何固定基础设施的移动节点联合体。 通过对题目的初步了解和思考，搜集了关于移动网络环境、路由器、路由算法策略及最短路径的资料。 首先查阅了移动网络环境的相关资料达到对其的初步了解，主要包括《移动网络环境的信息存储与处理》。移动通信与IP技术的融合产生了基于移动通信的IP数据业务技术。通过无线数据网络，便携式终端用户可以随时随地进行网络信息浏览、收发电子邮件、查阅文献资料、更新企业数据。因此，无线网络环境的信息处理与存储，为移动办公与信息处理提供了技术保障。 路由器是连接因特网中各局域网、广域网的设备，它会根据信道的情况自动选择和设定路由，以最佳路径，按前后顺序发送信号的设备。路由器的一个作用是连通不同的网络，另一个作用是选择信息传送的线路。选择通畅快捷的近路，
复杂网络中关键节点查找和链路预测应用研究
复杂网络中关键节点查找和链路预测应用研究随着网络科学的不断发展和信息数据的不断扩充,网络规模日益增大,大规模网络数据的研究也逐渐成为研究热潮。鉴于表示学习算法对大规模网络研究的优势,关键节点分类以及链路预测等基于网络知识的传统研究内容开始结合知识表示学习算法进行探索研究,并取得显著成果。本文结合网络科学知识和表示学习算法提出关键蛋白质分类和基于Probase知识库的链路预测两种算法框架。首先,本文提出了一种结合生物信息知识的关键蛋白质分类的方法。在关键节点搜索的相关研究中,很多实验已经证明结合多源信息的方法比仅考虑单一知识的方法更加有效。而现有的搜索方法并没有充分的考虑网络本身蕴含的知识,使得很多关键信息被丢失。本文提出的关键蛋白质分类方法则是结合STRING数据库中体现的PPI网络中蛋白质节点的生物信息,同时结合表示学习算法提取网络中蛋白质节点的拓扑结构特征和生物信息特征,实现关键蛋白质节点的分类。通过实验对比分析,本文提出的关键蛋白质分类算法的准确率、召回率及F1值均高于其对比实验,这表明表示学习算法在网络关键节点识别任务中具有一定的优势。其次,本文提出了基于Probase知识库的链路预测方法。链路预测即通过分析网络结构以及节点属性,探索网络中相似的节点,进一步预测与已知节点具有潜在连边的节点。本文提出的链路预测方法主要结合网络嵌入的表示学习算法将网络进行向量化表示,并基于相似度的计算方法确定节点之间的相似程度,实现网络的链路预测。通过统计预测结果的top-k命中率、计算预测节点与给
定节点的相似性和统计最短路径长度来验证算法的有效性和稳定性,从而证明表示学习算法对链路预测任务有很好的提升作用。综上,本文利用多源信息并结合表示学习算法可以有效的提升网络中关键蛋白质节点分类的准确率。同时利用表示学习算法将网络进行向量化表示,借助相似度计算方法来计算节点的相似性,完成链路预测,可以提高预测的命中率,保证预测的稳定性。
复杂网络中节点影响力挖掘及其应用研究
复杂网络中节点影响力挖掘及其应用研究 复杂网络结构和行为的交互作用使节点在网络的结构和功能上 具有不同的重要性。节点重要性的标准在不同的网络功能下各不相同。对于复杂网络上的传播行为,如疾病、信息、行为、故障等的传播, 重要节点是指能够激发信息等的大范围传播或阻止传播扩散至整个 系统的节点。这些节点称为网络中最有影响力的传播源。快速、准确地识别网络中有影响力的节点有助于利用有限资源实现传播控制,如 提升市场营销的范围、抑制流行病的爆发、阻止谣言的蔓延等。复杂网络节点中心性用于度量节点在网络中的重要性。本文基于中心性的思想,结合网络拓扑结构特征和传播动力学特性,研究真实复杂网络 中节点影响力排序及最有影响力的节点识别问题。鉴于κ-壳分解算 法被广泛地用于识别网络的核心结构和网络中最有影响力的节点,首 先研究了该方法在不同真实复杂网络上的适用性。通过大量真实网络上的模拟,发现与已有研究结论不同,并非在所有的真实网络中κ-壳 分解算法识别的网络核心节点都具有最高的传播影响力。在部分真实网络中,核心节点传播影响力非常低。为了揭示κ-壳分解算法识别最有影响力节点失效的原因,我们深入研究了真实网络宏观和微观结构 的差异,最终通过分析网络各壳层之间的连接特征,提出κ-壳分解算 法识别的网络核心可能是假核心,称为类核团。基于真核心和类核团 连接的差异,提出了壳层连接熵的定义,通过连接熵可以准确定位网 络中的类核团。本研究揭示了网络中存在的类核团将导致κ-壳分解 算法无法准确判定最有影响力的节点,并提出了类核团的识别方法。
这一研究成果对于利用该算法判定节点在网络中的核心位置从而识别有影响力的传播源具有重要意义。针对类核团导致κ-壳分解算法识别网络核心节点失效的问题,进一步研究如何消除类核团的负面影响,准确识别网络传播中最有影响力的节点。通过提取并对比网络真核心和类核团的局域连接结构,我们揭示了类核团具有类似派系的结构。为了量化真核心和类核团结构上的差异,定义了边的传播重要性,将传播重要性低于冗余阈值的边判定为网络中的冗余边,它们在传播中的贡献相对较小但却导致了类核团的形成。通过过滤网络中的冗余边,并在剩余图上实施κ-壳分解,新的节点核心性在度量节点影响力时准确性明显大幅度提升。这一研究结果揭示了真实复杂网络的局域结构对排序算法的影响,提高了最有影响力节点的识别准确性。发现冗余边对网络节点中心性的计算、社区划分、网络控制等基于网络的应用也有一定意义。在定义节点影响力排序指标时,节点的局域连接结构将影响排序指标的准确性。考虑到节点的重要性不仅取决于它自身的中心性,也与其邻居的中心性有关,我们提出一种新的节点影响力排序指标,称为邻居集中心性,并着重研究邻居集步数、衰减因子和传播概率对邻居集中心性排序性能的影响。研究发现在考虑邻居集对节点重要性的贡献时存在饱和效应,考虑节点两步以内邻居集能够最好地平衡排序准确性与所需的网络结构信息。本研究提出的排序方法能够比经典的度中心性和核心性更准确地预测节点的传播影响力。最后,我们基于网络的局域结构研究边的传播重要性与其局域结构的定量关系,并设计新的网络分层算法s-壳分解。研究发现边在传播中的
关键节点识别清单
剩余附属工程关键节点识别清单 一、工程概况 广州市轨道交通十四号线支线工程【施工5标】土建工程，主要工程内容包括：枫下站（车站长213米）、知识城站（车站长480.6米）、【马头庄站～枫下站】区间1874米、【枫下站～知识城站】区间2060米、新南中桥改建。 目前主体工程全部完成，知识城线于2017年12月28日顺利通车，本标段剩余知识城站的4号出入口和枫下站的3号出入口未施工。 二、剩余工程关键节点分类清单 三、强化风险管控保障措施 （1）基坑开挖工程安全管控措施 1）、在基坑开挖的同时，严格按照施工安全技术要求，严格按照设计的支护结构跟进支护。严格把好支护材料的质量关，保证施工生产的安全。
2）、开挖前，技术人员认真复核地质资料以及地下构造物的位置、走向，并掌握本项目工程可能影响临近建筑物基础的埋设深度。 3）、技术人员根据核实后的资料，并对照施工方案和技术措施，确定正确的施工顺序、选择合理的施工方法及采取相应的安全技术保护措施。 4）、明挖基坑施工过程中，严禁进行立体作业，在有基坑高空作业时，低处所有施工应停止施工。 5）、开挖过程中，随开挖、随施作支撑，并对连续墙、支护结构的变形、周边建筑物进行定期监测，记录观测数据。以便采取切实有效的措施确保结构和人员的安全。 6）、基坑开挖采用挖掘机分层开挖，接力出土，挖运前，各种设备要置于基坑外安全稳定的地基上，图纸设计有板撑可作为设备转运材料的部位，在投入设备前认识核算设备的所有外加荷载后仔细复核，满足最大承载要求方可施工。 7）、吊装口应设防护平台或防护网，使用前要对钢丝绳，卡具等进行检查验收，符合要求时才能使用。 8）、在最后一层土需通过吊机吊出时，提、放吊斗或吊索时，上下要有统一信号，有专人指挥，下部人员要避在安全处，吊斗或吊索上粘有泥块需铲除时，要将吊斗放在地下清除，严禁将抓斗空铲泥。 9）、支撑施工属坑内施工，凡入基坑内进行作业必须符合以下要求：在距基坑边缘1.0～0.5m处设置护栏或架设护网。且不低于1.2m，并要稳固可靠。进入基坑施工的人员，要由专用楼梯上下通行，不准攀登模板、脚手架、或由绳索上下。作业用的料具应放置稳妥，小型工具应随时放入工具袋，上下传递工具时，严禁抛掷。基坑周围应挂醒目的安全警示牌，夜间施工必须有充足的灯光照明。 10）、在支撑安装前，要求施工人员先对设备、工具、作业环境进行检查，检查钢扣及绑扎是否牢固，是否符合施工安全规范，并派一名工程技术员复检。吊装时，吊机起吊位置应合理、严禁超重或超距离起吊，并安排责任心强、熟练的起重工进行操作。在吊装过程中，吊机施工范围内闲人不得停留，同时派专员维持现场秩序，并由经验丰富的起重工专门指挥，做到有组织、有顺序，合理进行施工。在支撑进行二、三层吊装施工时，要求小心谨慎，避免碰撞施工安装好的支
复杂网络主要拓扑参数的matlab实现
%% 求网络图中各节点的度及度的分布曲线 %% 求解算法：求解每个节点的度，再按发生频率即为概率，求P(k) %A————————网络图的邻接矩阵 %DeD————————网络图各节点的度分布 %aver_DeD———————网络图的平均度 N=size(A,2); DeD=zeros(1,N); for i=1:N % DeD(i)=length(find((A(i,:)==1))); DeD(i)=sum(A(i,:)); end aver_DeD=mean(DeD); if sum(DeD)==0 disp('该网络图只是由一些孤立点组成'); return; else figure; bar([1:N],DeD); xlabel('节点编号n'); ylabel('各节点的度数K'); title('网络图中各节点的度的大小分布图'); end figure; M=max(DeD); for i=1:M+1; %网络图中节点的度数最大为M,但要同时考虑到度为0的节点的存在性 N_DeD(i)=length(find(DeD==i-1)); % DeD=[2 2 2 2 2 2] end P_DeD=zeros(1,M+1); P_DeD(:)=N_DeD(:)./sum(N_DeD); bar([0:M],P_DeD,'r'); xlabel('节点的度 K'); ylabel('节点度为K的概率 P(K)'); title('网络图中节点度的概率分布图');
function [C,aver_C]=Clustering_Coefficient(A) %% 求网络图中各节点的聚类系数及整个网络的聚类系数 %% 求解算法：求解每个节点的聚类系数，找某节点的所有邻居，这些邻居节点构成一个子图 %% 从A中抽出该子图的邻接矩阵，计算子图的边数，再根据聚类系数的定义，即可算出该节点的聚类系数 %A————————网络图的邻接矩阵 %C————————网络图各节点的聚类系数 %aver———————整个网络图的聚类系数 N=size(A,2); C=zeros(1,N); for i=1:N aa=find(A(i,:)==1); %寻找子图的邻居节点 if isempty(aa) disp(['节点',int2str(i),'为孤立节点，其聚类系数赋值为0']); C(i)=0; else m=length(aa); if m==1 disp(['节点',int2str(i),'只有一个邻居节点，其聚类系数赋值为0']); C(i)=0; else B=A(aa,aa) % 抽取子图的邻接矩阵 C(i)=length(find(B==1))/(m*(m-1)); end end end aver_C=mean(C) function [D,aver_D]=Aver_Path_Length(A)
无线传感网中基于sink节点的目标位置选择移动算法
无线传感网中基于 sink 节点的目标位置选择移动算法 摘 要： 在深入研究 k?means 算法和连续 Hopfield 神 经网络算法的基础上，提出一种目标位置选择移动算法，该 算法先利用 k?means 算法的原理，将网络中能量相近的节点 进行聚簇， 并选取每个簇的质心作为 sink 节点可以安放的目 标位置，再利用连续 Hopfield 神经网络算法的思想，为 sink 节点的前进预设一条最优路径。 Matlab 仿真结果显示，该路 由算法可以有效地抑制能量空洞的现象，对延长网络寿命具 号： TN92?34 文献标识码： A 文章编号： 1004?373X （2015）19?0043?03 Abstract ： On the basis of studying k?means algorithm and continuous Hopfield neural network algorithm deeply ， a target position selection and movement algorithm is proposed ， in which the nodes with similar energy in networks are clustered by using the principle of k?means algorithm. The centroid of each cluster is selected as the target position where the sink node can be placed ， and an optimal path is presupposed for running 有重大意义， 同时对解决能源问题也做出了一定贡献。 关键词： 移动 sink 节点； 能量空洞； 目标位置选择 移动算法； 信息泛洪； 网络能耗； 网络寿命 中图分类
复杂网络中节点重要度评估研究
复杂网络中节点重要度评估研究 复杂网络在各领域中的发展和应用,不仅改善了人类的生活质量也促进了社会生产率的提高。但是,复杂网络也对社会生活产生了一定的负面影响,如传染病的迅速传播,交通运输网络的拥堵,航班航线的延误,城市电力网络的崩溃等。 因此,为了对复杂网络系统进行有效地预测和控制,需要对复杂网络系统进行深入细致地分析和研究,识别和评估影响网络结构和功能的重要节点。本文针对复杂网络系统的脆弱性问题,利用复杂网络节点蕴含的局部信息和全局信息,提出四种中心性算法,实现对复杂网络节点重要度的评估,主要研究内容及创新点如下:(1)利用复杂网络的局部信息,提出基于网络扩散机制的节点重要度评估算法。 网络中节点影响的扩散机制是指信息流在网络的传播过程中,一个节点对其他节点的影响只影响给该节点的最近邻居节点或者是该节点下一个最近邻居节点。基于该机制,本文提出扩散中心性算法识别和评估网络中的重要节点。 该算法主要考察了节点本身的局部信息的影响以及距离节点第二层的邻居的邻居节点信息的影响来评价节点的重要性。利用SI疾病传播模型对算法进行评价,通过在真实网络中的实验比较分析,验证了网络扩散中心性算法的有效性。 (2)利用复杂网络的全局信息,提出基于网络全局效率和随机游走机制的节点重要度评估算法。1)基于网络全局效率原理,提出网络全局效率中心性算法。 该算法与传统中心性的不同之处在于更注重网络的动力学过程及网络的全局结构信息,是通过对网络边的消除来定义网络的效率,而不是移除网络的节点。利用SI疾病传播模型对算法进行评价,通过在真实网络中的实验比较分析,验证了网络全局效率中心性算法的有效性。
关键节点参考清单
附件 关键节点分类清单（参考）序号类别关键节点名称备注 1 明挖深基坑开挖(车站、附属工程、风井) 降水、围护结构、地基处理等开挖准备 2 3 暗挖竖井开挖 4 马头门开挖开口宽度小于6米的首次；开口宽度大于6米的全部 5 多导洞施工扣拱开挖首次 6 大断面临时支护拆除首段 7 扩大段开挖首循环 8 仰挖、俯挖首循环 9 钻爆法开挖首次 10 穿越重大风险或复杂环境穿越既有铁路、地铁隧道、高速公路、江河湖海、密集建筑群、重要建筑物、文物、重要管线（中压及以上的燃气管道、高压输油管及大体量雨水箱涵、大直径污水管等）、有毒有害气体地层、高架桥等 11 围岩等级突变处开挖降低2个（含）等级 12 区间联络通道开口施工 13 盾构深基坑开挖（始发井、接收井） 降水、围护结构、地基处理 等开挖准备 14 盾构始发 15 盾构到达 16 盾构开仓 17 盾构机吊装 18 空推段 19 穿越重大风险或复杂环境穿越既有铁路、地铁隧道、高速公路、江河湖海、密集建筑群、重要建筑物、文物、重要管线（中压及以上的燃气管道、高压输油管及大体量雨水箱涵、大直径污水管等）、有毒有害气体地层、高架桥等
序号类别关键节点名称备注 20 盾构工程自身重大风险 叠落隧道上洞施工、覆土厚 度不大于盾构直径的浅覆土 层地段、平行盾构隧道净间 距小于盾构直径70%的小净 距地段、大坡度（大于3%） 等特殊地段施工。 21 区间联络通道开口施工 22 高架跨越铁路或道路的预制梁架设施工 23 跨越铁路或道路的挂篮悬臂混凝土浇筑施工 24 架桥机安装、走行首次 25 起重吊装龙门吊、塔吊等起重机械安装/拆卸（含起重量300kN及以上的其他起重设备） 26 采用非常规起重设备、方法且单件起吊重量在1OOkN及以上的起重吊装施工（含多台起重设备协同等吊装作业） 27 模板工程及 支撑体系 超过一定规模的模板支撑系统混凝 土浇筑 模架搭设高度8米及以上、 或搭设跨度18米及以上、或 施工总荷载15KN/㎡及以上、 或集中线荷载20KN/m及以上 的混凝土浇筑 28 设备安装 铺轨(调试）行车首次 29 变电所启动首次 30 行车类设备上线首次 31 其他顶管施工的始发/接收 32 人工挖孔桩施工深度超过 16 米首桩 33 桩基托换首桩 34 凿除既有运营车站主体结构
城市轨道交通工程关键节点风险管控
关于加强城市轨道交通工程关键节点风险管控的通知【建办质[2017]68号】 有关省、自治区住房城乡建设厅，北京市住房城乡建设委员会，天津市、重庆市城乡建设委员会，上海市住房城乡建设管理委员会、交通委： 近年来，城市轨道交通工程生产安全事故大多与工程关键节点施工前风险预控不到位有关，造成较大生命财产损失。为强化城市轨道交通工程关键节点（以下简称关键节点）施工前风险预控措施，提升关键节点风险管控水平，有效防范和遏制事故发生，现将有关工作通知如下： 一、总体要求 （一）明确关键节点风险管控原则。关键节点是指轨道交通工程开（复）工或施工过程中风险较大、风险集中或工序转换时容易发生事故和险情的关键工序和重要部位。关键节点风险管控要坚持全面识别、重点管控、各负其责、强化落实的原则。要将开展关键节点施工前条件核查作为关键节点风险管控的重要手段。 （二）规范开展关键节点风险管控。应严格依据《城市轨道交通工程安全质量管理暂行办法》（建质[2010]5号）、《城市轨道交通地下工程建设风险管理规范》（GB50652-2011）和《城市轨道交通建设项目管理规范》（GB50722-2011）等制度规定和标准规范，对城市轨道交通工程施工关键工序和重要部位实施风险管控。 （三）强化关键节点风险管控责任落实。各地城市轨道交通工程质量安全监管部门和建设单位等参建各方要高度重视关键节点风险管控工作，全面落实企业主体责任和政府监管责任，不断加强关键节点施工前条件核查，严格控制施工风险。 二、明确关键节点风险管控内容 要按照城市轨道交通工程自身风险和周边环境特点及危险程度确定关键节点风险管控的具体内容。关键节点风险管控内容主要包括：勘察和设计交底的完成情况；专项施工方案编制、审批和专家论证情况；监测方案编制审批及落实情况；施工安全技术交底情况；安全技术措施落实情况；周边环境核查和保护措施落实情况；材料、施工机械准备情况；项目管理、技术人员和劳动力组织情况；应急
复杂网络聚类方法
ISSN 1000-9825, CODEN RUXUEW E-mail: jos@https://www.360docs.net/doc/cd4712602.html, Journal of Software, Vol.20, No.1, January 2009, pp.54?66 https://www.360docs.net/doc/cd4712602.html, doi: 10.3724/SP.J.1001.2009.03464 Tel/Fax: +86-10-62562563 ? by Institute of Software, the Chinese Academy of Sciences. All rights reserved. ? 复杂网络聚类方法 杨博1,2, 刘大有1,2+, LIU Jiming3, 金弟1,2, 马海宾1,2 1(吉林大学计算机科学与技术学院,吉林长春 130012) 2(吉林大学符号计算与知识工程教育部重点实验室,吉林长春 130012) 3(香港浸会大学计算机科学系, 香港) Complex Network Clustering Algorithms YANG Bo1,2, LIU Da-You1,2+, LIU Jiming3, JIN Di1,2, MA Hai-Bin1,2 1(College of Computer Science and Technology, Jilin University, Changchun 130012, China) 2(Key Laboratory of Symbolic Computation and Knowledge Engineering for the Ministry of Education, Jilin University, Changchun 130012, China) 3(Department of Computer Science, Hong Kong Baptist University, Hong Kong, China) + Corresponding author: E-mail: dyliu@https://www.360docs.net/doc/cd4712602.html, Yang B, Liu DY, Liu J, Jin D, Ma HB. Complex network clustering algorithms. Journal of Software, 2009, 20(1):54?66. https://www.360docs.net/doc/cd4712602.html,/1000-9825/3464.htm Abstract: Network community structure is one of the most fundamental and important topological properties of complex networks, within which the links between nodes are very dense, but between which they are quite sparse. Network clustering algorithms which aim to discover all natural network communities from given complex networks are fundamentally important for both theoretical researches and practical applications, and can be used to analyze the topological structures, understand the functions, recognize the hidden patterns, and predict the behaviors of complex networks including social networks, biological networks, World Wide Webs and so on. This paper reviews the background, the motivation, the state of arts as well as the main issues of existing works related to discovering network communities, and tries to draw a comprehensive and clear outline for this new and active research area. This work is hopefully beneficial to the researchers from the communities of complex network analysis, data mining, intelligent Web and bioinformatics. Key words: complex network; network clustering; network community structure 摘要: 网络簇结构是复杂网络最普遍和最重要的拓扑属性之一,具有同簇节点相互连接密集、异簇节点相互连 接稀疏的特点.揭示网络簇结构的复杂网络聚类方法对分析复杂网络拓扑结构、理解其功能、发现其隐含模式、预 测其行为都具有十分重要的理论意义,在社会网、生物网和万维网中具有广泛应用.综述了复杂网络聚类方法的研 究背景、研究意义、国内外研究现状以及目前所面临的主要问题,试图为这个新兴的研究方向勾画出一个较为全面 ? Supported by the National Natural Science Foundation of China under Grant Nos.60496321, 60503016, 60573073, 60873149 (国家 自然科学基金); the National High-Tech Research and Development Plan of China under Grant No.2006AA10Z245 (国家高技术研究发 展计划(863)) Received 2008-06-17; Accepted 2008-08-28