含该边的最大可能的三角环的个数。算法每步去除的是网络中边聚集系数最小的边，每次去除后，再重新计算每条边的边聚集系数，如此进行下去，直至网络中不存在任何边。算法的不足是该算法依赖于网络中的三角环，如果网络中三角环很少，那么该算法将失去意义。实证研究表明，社会网络中三角环的数量比较大，而在非社会网北京邮电大学本科毕业设计论文络中，三角环的数量则相对较少。这意味着算法更加适合于社会网络。北京邮电大学本科毕业设计论文第四章基于随机游走的社团发现算法本章主要介绍种基于图论的随机游走算法，主要介绍了该随机游走算法的基本原理，以及随机游走算法的编译实现方式。随机游走算法的基本原理在上章节对各种社团发现算法的介绍和比较后，我们在此提出种完全基于随机游走来实现社团划分的算法。该算法的主要实现原理是基于此种方式，即在以任意节点为起点进行有限步数的随机游走，在有限的步数内，相比于在不同的社团间的随机游走，该随机游走是有更大的可能性是停留在同个社团内部的。我们通过记录在每次随机游走过程中的轨迹来作为节点间属于同个社团的证据。正式介于此类原理，我们提出了这种更简单，更直接的划分复杂网络的社团结构的随机游走算法。随机游走算法的相似度矩阵获取随机游走的基本思想是进行多次段较短步数的随机游走，并且把在同次随机游走过程中经历的节点作为他们同属于个社团的证据。这个信息在经过所有的随机游走过程后被补充完整，并被用来作为个基本的信息去划分复杂网络的社团结构，算法的基本过程在图中显示。算法的过程中，我们首先定义的矩阵，把矩阵中的每个元素都赋值为。在考虑算法的随机游走的步数时，我们可以根据我们要处理的复杂网络的半径以及节点数来自己给出随机游走的步数随机游走的步数般不会超过。在随机游走算法的过程中，我们从节点开始进行随机游走，随机游走即从节点的所有邻居节点中等概率的找到它的个邻居节点，作为随机游走的下个节点。在每次随机游走过程中，我们都会用个集合来存储我们这次随机游走过程中所遍历的节点集合中的数据是不重复的，即使我们随机游走的过程中经过多次节点，我们也只在集合中记录次。根据得到的集合，我们随机的选择集合中不相等的元素来作为相似度矩阵的行号和列号，即。与此同时，中的元素对应加。以此遍历复杂网络中的所有节点，得到个集合，并最终得出矩阵的值。在完成矩阵后，矩阵的每个元素表示节点和节点同属于次随机游走的次数，即同属于个社团的可能性的大小。值越大，表示，属于个社团的可能性便越大。北京邮电大学本科毕业设计论文图随机游走算法矩阵的获取随机游走算法的矩阵融合现在我们通过随机游走得到了个相似度矩阵，我们下步的工作便是将相似度矩阵进行融合，在融合的过程中不断得到新的社团结构。在融合矩阵的过程中，把每次融合的节点数进行记录到新的集合中，在矩阵融合结束后，集合中记录的便是复杂网络最终的社团结构的划分。在融合矩阵的过程中，我们使用的是与描述的凝聚算法相类似的种技术。这种方式的普遍观念是根据相似度矩阵中的元素的相似度的大小来氛围，使我能够很快的适应实验室生活。并在随机游走算法的理解以及实现上给与我很多的帮助。我还要感谢同学的帮助。他们在我研究复杂网络以及随机游走算法的过程中给予了我多的鼓励和帮助。尤其是在我实现随机游走算法的过程中给予了我很多启发性的帮助。最后，我还要感谢我的家人，没有他们长久以来的支持和鼓励，我不可能顺利完成大学学业。谨以此文献给我的家人。，就可以根据非零特征值相应的特征向量中的元素对应网络的结点进行分类。其中，所有正元素对应的那些结点都属于同个社区，而所有负元素对应的结点则属于另个社区。因此，我们可以根据网络的矩阵的第二小的特征值将其分为两个社区。这就是谱平分法的基本思想。当网络的确是分成两个社区时，用谱平分法可以得到非常好的效果。但是，当网络不满足这个条件时，谱平分法的优点就不能得到充分体现。事实上，第二小特征值可以作为衡量谱平分法效果的标准它的值越小，平分的效果就越好。也称为图的代数连接度。般情况下，计算个矩阵的全部特征向量的时间复杂度为。但是在大多数情况下，实际网络的矩阵是个稀疏矩阵，因此，可以用方法快速计算主要的特征向量。该方法的时间复杂度大致为，其中，表示网络中边的条数。这样，计算的速度可以得到很大程度的提高。但是，如果不能很快将从其它特征值中分离出来，该算法就可能在定程度上有所减慢。换句话说，当网络很明显地分成两个社区时，该算法的速度非常快，否则该算法就未必很有效。北京邮电大学本科毕业设计论文其他经典算法算法算法是种分裂方法，它通过迭代从网络中移除介数最大的边将整个网络分解为各个社区。边的介数定义为网络中经过该边的最短路径的数目。它为区分个社区内部边和外部边连接提供了个度量准则。算法的基本流程如下计算网络中的所有边的介数找到介数最高的边并将它从网络中移除重复步骤，直到每个节点就是个退化社区为止。缺点在不知道社区数目的情况下，此算法也不能确定迭代的合适步数。快速算法由于算法的时间复杂度较大，所以对大规模的复杂网络的分析效果并不理想。在算法的基础上提出了种快速算法，它是基于贪婪算法思想的种凝聚算法。此算法总的时间复杂度为。整个算法完成后可得到个社区结构分解的树状图，再通过选择在不同位置断开可得到不同的网络社区结构，在这些社区结构中，选择个对应着局部最大的值，就得到最好的网络社区结构。算法该算法与算法相同，都是基于去边，但不是根据边介数选择要去除的边，而是引进了边聚集系数的新指标。整个算法的运行时间为。显然，对于稀疏图，其计算速度要比算法快个数量级。等考虑网络中的三角环即边数为的闭合路径。若个三角环包含条连接不同社区的边，则该三角环中的另两条边中的条仍然连接这两个社区的可能性将很大。但是由于连接不同社区的边非常稀少，故包含条给定的连接不同社区的边的三角环不可能很多因此，将条边的边聚集系数定义为包含该边的三角环所占比例,其中分别表示节点和的度，表示网络中实际包含该边的三角环的个数。上式中的分母表示包进行式中主动土压力主动土压力强度朗肯土压力系数，墙后填土的重度南京工程学院毕业设计说明书填土的黏聚力填土的内摩擦角，所计算的点离填土面的深度，。挡土墙有定的埋置深度，所以在挡土墙的另面底脚处有被动土压力存在，不过其值较小可以忽略，这样计算出的挡土墙偏于安全。抗滑稳定性验算为保证挡土墙抗滑稳定性，应验算在土压力及其他外力作用下，基底摩阻力抵抗挡土墙滑移的能力。取每延米挡土墙进行计算。根据公式其中所以得因此抗滑稳定性满足要求。式中挡土墙自重,墙背主动土压力的水平与垂直分力基底摩擦系数，可通过现场试验确定。查经验数据取。主动土压力分项系数，取。抗倾覆稳定性验算为保证挡土墙抗倾覆稳定，须验算它抵抗墙身绕墙趾向外转动倾覆能力。取每延米挡土墙进行计算，根据公式其中，所以得因此抗倾覆稳定性满足要求。式中墙身基础及其上的土重合力重心到墙趾的水平距离南京工程学院毕业设计说明书土压力垂直分力作用点到墙趾的水平距离土压力水平分力作用点到墙趾的垂直距离。偏心距与基底承载力验算为保证挡土墙基底应力不超过地基承载力，应进行基底应力验算同时，为了避免挡土墙不均匀沉陷，控制作用于挡土墙基底的合力偏心距。作用于基底的合力偏心距式中作用于基底形心的弯矩每延米作用于基底的总竖向力设计值荷载组合取，作用于基底形心的弯矩设计值为式中由填土恒载土压力所引起的弯矩由墙身及基础自重和基础上的土引起的弯矩所以满足偏心距要求地基承载力计算因为,,查规范查的，则要求，地基承载力满足要求。挡土墙的布置南京工程学院毕业设计说明书挡土墙的横向布置横向布置，选择在墙高最大处，墙身断面或基础形式有变异处以及其它必须桩号处的横断面图上进行。根据墙型墙高及地基与填料的物理力学指标等设计资料，进行挡土墙设计或套用标准图，确定墙身断面基础形式和埋置深度，布置排水设施等，并绘制挡土墙。挡土墙的纵向布置挡土墙纵向布置在墙趾纵断面图上进行，布置后绘成挡土墙正面图。布置的内容有Ⅰ确定挡土墙的起讫点和墙长，选择挡土墙与路基或其它结构物的衔接方式。路肩挡土墙端部可嵌入石质路堑中，或采用锥坡与路堤衔接，与桥台连接时，为了防止墙后填土从桥台尾端与挡土墙连接处的空隙中溜出，需在台尾与挡土墙之间设置隔墙及接头墙。路堑挡土墙在隧道洞口应结合隧道洞门，翼墙的设置做到平顺衔接与路堑边坡衔接时，般将墙高逐渐降低至以下，使边坡坡脚不致伸入边沟内，有时也可以横向端墙连接。Ⅱ按地基及地形情况进行分段，确定伸缩缝与沉降缝的位置。Ⅲ布置各段挡土墙的基础。墙趾地面有纵坡时，挡土墙的基底宜做成不大于的纵坡。但地基为岩石时，为减少开挖，可沿纵向做成台阶，台阶尺寸视纵坡大小而定，但其高宽比不宜大于。Ⅳ布置泻水孔的位置，包括数量间隔和尺寸等。平面布置对于个别复杂的挡土墙，如高长的沿河曲线挡土墙，应作平面布置，含该边的最大可能的三角环的个数。算法每步去除的是网络中边聚集系数最小的边，每次去除后，再重新计算每条边的边聚集系数，如此进行下去，直至网络中不存在任何边。算法的不足是该算法依赖于网络中的三角环，如果网络中三角环很少，那么该算法将失去意义。实证研究表明，社会网络中三角环的数量比较大，而在非社会网北京邮电大学本科毕业设计论文络中，三角环的数量则相对较少。这意味着算法更加适合于社会网络。北京邮电大学本科毕业设计论文第四章基于随机游走的社团发现算法本章主要介绍种基于图论的随机游走算法，主要介绍了该随机游走算法的基本原理，以及随机游走算法的编译实现方式。随机游走算法的基本原理在上章节对各种社团发现算法的介绍和比较后，我们在此提出种完全基于随机游走来实现社团划分的算法。该算法的主要实现原理是基于此种方式，即在以任意节点为起点进行有限步数的随机游走，在有限的步数内，相比于在不同的社团间的随机游走，该随机游走是有更大的可能性是停留在同个社团内部的。我们通过记录在每次随机游走过程中的轨迹来作为节点间属于同个社团的证据。正式介于此类原理，我们提出了这种更简单，更直接的划分复杂网络的社团结构的随机游走算法。随机游走算法的相似度矩阵获取随机游走的基本思想是进行多次段较短步数的随机游走，并且把在同次随机游走过程中经历的节点作为他们同属于个社团的证据。这个信息在经过所有的随机游走过程后被补充完整，并被用来作为个基本的信息去划分复杂网络的社团结构，算法的基本过程在图中显示。算法的过程中，我们首先定义的矩阵，把矩阵中的每个元素都赋值为。在考虑算法的随机游走的步数时，我们可以根据我们要处理的复杂网络的半径以及节点数来自己给出随机游走的步数随机游走的步数般不会超过。在随机游走算法的过程中，我们从节点开始进行随机游走，随机游走即从节点的所有邻居节点中等概率的找到它的个邻居节点，作为随机游走的下个节点。在每次随机游走过程中，我们都会用个集合来存储我们这次随机游走过程中所遍历的节点集合中的数据是不重复的，即使我们随机游走的过程中经过多次节点，我们也只在集合中记录次。根据得到的集合，我们随机的选择集合中不相等的元素来作为相似度矩阵的行号和列号，即。与此同时，中的元素对应加。以此遍历复杂网络中的所有节点，得到个集合，并最终得出矩阵的值。在完成矩阵后，矩阵的每个元素表示节点和节点同属于次随机游走的次数，即同属于个社团的可能性的大小。值越大，表示，属于个社团的可能性便越大。北京邮电大学本科毕业设计论文图随机游走算法矩阵的获取随机游走算法的矩阵融合现在我们通过随机游走得到了个相似度矩阵，我们下步的工作便是将相似度矩阵进行融合，在融合的过程中不断得到新的社团结构。在融合矩阵的过程中，把每次融合的节点数进行记录到新的集合中，在矩阵融合结束后，集合中记录的便是复杂网络最终的社团结构的划分。在融合矩阵的过程中，我们使用的是与描述的凝聚算法相类似的种技术。这种方式的普遍观念是根据相似度矩阵中的元素的相似度的大小来