[发明专利]基于图论在有向复杂网络中识别子网类型的方法

权利要求书

1.基于图论在有向复杂网络中识别子网类型的方法，其特征在于，包括以下步骤：

获取有向复杂网络的拓扑图；

遍历有向复杂网络的全部节点，构建有向复杂网络中全部节点的邻接矩阵；

计算有向复杂网络中全部节点的图特征量，所述图特征量包括度、两点间的距离、集聚系数、有向复杂网络中全部节点的平均距离和有向复杂网络中全部节点的平均集聚系数；

根据有向复杂网络中全部节点的图特征量及初步识别条件，初步识别有向复杂网络中的子网络；

根据初步识别出的子网络的特征量取值范围，对初步识别出的子网络进行验证，符合条件的，确定为识别出的子网类型，不符合条件的，剔除初步识别结果；

至有向复杂网络中所有节点在邻接矩阵中体现，或者无法识别出图形，则结束识别，否则重复进行初步识别和初步识别结果验证。

2.根据权利要求1所述的基于图论在有向复杂网络中识别子网类型的方法，其特征在于，初步识别，包括最近邻耦合网络的识别，包括如下步骤，

逐步遍历邻接矩阵行向量的各个节点，寻找各个节点出度和入度均为1、且邻接矩阵中各行、各列的节点有且仅有一次相交；

若寻找到的节点符合条件A1，则由符合条件A1的邻接子阵的节点构成子网初步识别为最近邻耦合网络；所述条件A1包括：寻找到的节点构成的子网中全部边的数量等于全部节点的数量；

初步识别结果的校验，包括最近邻耦合网络的初步识别结果校验，若初步识别为最近邻耦合网络的子网满足条件A2，则确定初步识别为最近邻耦合网络的子网为最近邻耦合网络，若不满足，则剔除该子网的初步识别结果；所述条件A2包括：

初步识别为最近邻耦合网络的子网包括的节点数量大于1；

初步识别为最近邻耦合网络的子网中的所有节点的度相同，记为k；

初步识别为最近邻耦合网络的子网中的节点间距离及平均距离满足：

最小距离为1；

最大距离为：

平均距离为：

平均集聚系数为：

N为初步识别确定的子网中的所有节点数量；

C为平均集聚系数；

k为最近邻耦合网络的子网中的所有节点的度；

d_max为最近邻耦合网络的子网中节点间最大距离；

d_mean为最近邻耦合网络的子网中节点间平均距离。

3.根据权利要求1所述的基于图论在有向复杂网络中识别子网类型的方法，其特征在于，初步识别还包括星型网络子网的初步识别，以及初步识别结果的验证中还包括初步识别为星型网络的子网的验证，星型网络子网初步识别包括如下步骤：

逐步遍历复杂网络中的全部节点，若某个节点P仅与其他节点相联接，设与其联系的节点数量为K，该节点P及与其连接的节点总数量为N，若满足条件B1，则由节点P和与其连接的其他节点构成子网初步识别为星型网络，节点P确定为该星型网络的中心节点；

所述条件B1包括：3≤K≤N，且与该节点P连接的其他节点不与除节点P以外的其他节点连接；

初步识别为星型网络的子网的验证包括，若初步识别为星型网络的子网满足条件B2，则确定初步识别为星型网络的子网为星型网络；若不满足，则剔除该子网的初步识别结果；

所述条件B2包括:

中心节点P的度为N-1，其余节点的度都为1；

初步识别为星型网络的子网中，节点间距离满足：

中心节点P到其余节点的距离均为1，除中心节点P外的其余任意两节点间的距离为2；

平均距离为

中心节点P的集聚系数为0；

除中心节点P以外的其余节点的集聚系数为1；

N为初步识别确定的子网中的所有节点数量。