基于网络节点极大团的社团检测算法

社团结构检测有助于揭示复杂网络的结构-功能特性,目前已有的社团检测算法在其研究过程中存在着分辨率限制、节点不确定性以及需要先验参数等问题.为了解决此类问题,提出了一种基于网络节点极大团的社团检测算法(BMC).BMC算法将网络中的节点极大团设为初始节点群组,依据提出的极大团局部相似度和局部团组关系对节点群组进行分级聚类合并,以此挖掘出网络中的社团结构.针对在社团结构挖掘过程中出现的节点不确定性问题,通过模块度矩阵提出了模块隶属度对网络中的单邻居节点和重叠节点进行优化.为了验证BMC算法对网络社团结构挖掘的准确性,在5个真实网络数据集上与5种算法进行实验对比.通过3种衡量指标得到的实验结果表明,BMC算法能够准确地检测出网络中的社团结构.

软件可靠性预测技术研究

首先分析多种软件可靠性预测模型,指出其不足;充分考虑了模块内复杂度和模块间关系以及改错能力对可靠度的影响后,提出一种正交体系结构下基于Markoff链的软件可靠性定量分析方法。该方法考虑了复杂度、开发能力、修改能力和使用频率对软件可靠性的影响,使用时对数据的要求不严格,易满足,可用于软件开发中后期。