基于互联网拓扑特征的多粒度社团发现算法及其可视化

东北大学硕士学位论文摘要评价标准上的优秀性：就多粒度特征而言，105算法发现的社团内部包含多种不同粒度的互联网基本拓扑结构，比如链状、高核聚类状、局部树状、中心节点状等，而FUOCILN算法发现的社团内部只有节点信息，105算法的社团内部信息容量要远大于FUOCILN。对于互联网的社团可视化问题，传统的一些可视化算法仅仅只能做到整个网络拓扑级别的可视化，社团结构的可视化特点并不明晰，针对这种问题，本文在参考传统节点布局方式的基础上全新构建节点布局，这种布局分为两个层次：整个网络的社团之间位置布局、每个社团的内部节点位置布局。其中，第一个层次又分两个小层次：其一，根据物理类比法，模拟物理系统环境，全自动布局社团节点；其二，在第一步完成之后，采用动态交互布局模式，如果第一步布局有不合理的地方，可手动调节社团节点位置。由于大规模数据的复杂性以及考虑了突出社团特征等问题，这必将牺牲画布资源。为此，本可视化算法开辟一个新的画布资源，采用射线布局算法显示某个特定社团内部节点的拓扑结构。鉴于本可视化算法的特点，称之为visualCommunity算法（简称VC)。VC算法能够合理清楚的可视化互联网的社团结构特征。关键词：Internet拓扑结构：社团发现：多粒度；社团可视化-Ⅲ-