基于碎形维度和力驱动的弹模型的复杂网络中的增强关键节点识别
Zhaoliang Zhou1, Xiaoli Huang1,2, Zhaoyan Li3
1School of Electrical Engineering and Electronic Information, Xihua University, Chengdu 610039, China.
Entropy (Basel, Switzerland)
|September 27, 2025
概括
在复杂网络中识别关键节点是具有挑战性的. 第二阶邻域透模糊局部维度弹模型 (SNEFLD-SM) 通过整合多个中心性测量和信息来提高关键节点检测的准确性.
科学领域:
- 网络科学 网络科学
- 复杂系统分析 复杂系统分析
- 计算图形理论 计算图形理论
背景情况:
- 识别关键节点对于理解和管理复杂网络至关重要.
- 传统的中心性方法通常依赖于有限的本地或全球网络信息.
- 现有的方法可能会与多个规模的网络和"富人俱乐部"现象作斗争.
研究的目的:
- 提出一种用于精确识别复杂网络中关键节点的新型模型.
- 通过结合各种网络属性来克服传统中心性方法的局限性.
- 为了提高关键节点检测的稳定性和效率.
主要方法:
- 开发了第二阶邻域透模糊局部维度弹模型 (SNEFLD-SM).
- 在一个弹模型框架内,整合了二级社区中心性,中间中心性和碎形维度.
- 集成的信息和节点影响范围,具有减弱因子来减轻"富人俱乐部"效应.
主要成果:
- 与六个测试网络中的传统方法相比,SNEFLD-SM在关键节点检测中表现出更高的准确性.
- 该模型有效地捕捉了使用碎形技术的网络自我相似性和层次结构.
- 信息增强了模型区分节点重要性的能力,并降低了计算成本.
结论:
- SNEFLD-SM提供了一种更准确,更全面的方法来识别复杂网络中的关键节点.
- 分形维度和信息的整合提供了对多尺度网络属性的优越分析.
- 该模型抑制"富人俱乐部"现象的能力提高了它对各种网络结构的适用性.
