當前位置: 首頁  >  新聞公告  >  新聞動态  >  正文

新聞動态

珞珈資源環境講壇第四十講:城市網絡的社區結構發現與關鍵點識别


2019年10月31日下午4:30, 珞珈資源環境講壇第四十講“城市網絡的社區結構發現與關鍵點識别” 在資環學院220報告廳舉辦。我院萬幼老師主講的此次報告圍繞地理網絡社區發現的主題,介紹了自己近年來在此領域的三個算法研究,并以全國鐵路運行線路構成的城市網絡,對城市社區的結構和關鍵節點進行了分析挖掘。

在當今世界全球化、信息化和網絡化的時代背景下,城市間的聯系更加緊密和頻繁。傳統地理學依賴空間形态考察區域空間結構的研究模式,正逐漸向多中心、扁平化、流動性的網絡分析模式轉變,利用複雜網絡理論和方法對城市網絡的空間結構進行分析成為目前研究的熱點。

首先,萬幼老師社區介紹了地理網絡社區發現的概念,并對四種常用的地理網絡社區挖掘方法進行了綜述,指出現有的地理網絡社區發現方法在具體實現時未能很好地将地理網絡的空間屬性和網絡屬性相結合進行挖掘,影響了方法的準确性和有效性。

因此,萬老師提出基于地理加權中心節點距離的網絡社區發現算法(geographical weighted central node distance based Louvain method,GND-Louvain),在距離模塊度的計算中,以網絡度加權的幾何中位數中心節點距離來度量距離衰減效應,以此來計算和評估空間網絡社區劃分結果的質量。利用全國鐵路網網絡數據進行研究,設計了5種不同空間約束的空間社區發現對比性實驗。結果證明,GND-Louvain算法的準确性最高,并且算法結果最穩定。

接着,萬幼老師介紹了基于節點間結構相似性的社區發現方法,基于此提出了鄰域擴張和密度聚類相結合的網絡社區發現方法DASSCAN(A Density and Adjacency Expansion-Based Spatial Structural Community Detection Algorithm),采用空間鄰域擴張策略對結構相似且空間鄰近的節點進行基于密度的聚類。算法可識别空間網絡中的社區結構以及樞紐和離群點兩種特殊角色,但其準确度依賴于社區結構的有效識别,以及對節點重要性綜合指标的計算方式。然後,萬幼老師将基于密度的離群點檢測方法與基于層次聚類的快速展開社區發現方法(Louvain)相結合,提出了ScanLouvain方法,可有效識别出網絡離群點,并對剩餘網絡進行社區發現。

最後,萬幼老師對社區發現算法的改進進行了總結展望,并提出了可能的研究方向。在場同學踴躍提問,與萬幼老師溝通交流自己遇到的問題,報告圓滿結束。

文本:徐轶姝

供圖:徐轶姝

Baidu
sogou