文献类型：期刊文章

作　　者：谢丽霞[1] 孙红红[1] 杨宏宇[1,2] 张良[3]

XIE Lixia;SUN Honghong;YANG Hongyu;ZHANG Liang(College of Computer Science and Technology,Civil Aviation University of China,Tianjin 300300,China;College of Safety Science and Engineering,Civil Aviation University of China,Tianjin 300300,China;College of Information,University of Arizona,Tucson 85721,USA)

机构地区：[1]中国民航大学计算机科学与技术学院,天津300300 [2]中国民航大学安全科学与工程学院,天津300300 [3]亚利桑那大学信息学院,图森85721

出　　处：《清华大学学报（自然科学版）》

基　　金：国家自然科学基金民航联合研究项目(U1833107)。

年　　份：2022

卷　　号：62

期　　号：5

起止页码：849-861

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对复杂网络中关键节点识别方法的分辨率和准确性不足的问题,该文提出了一种基于K-shell的复杂网络关键节点识别方法(K-shell based key node recognition method, KBKNR)。首先,采用K-shell方法将网络分层,获取每个节点的K壳(K-shell,K_(s))值,通过K_(s)值衡量复杂网络全局结构的影响。其次,提出综合度(comprehensive degree, CD)的概念,并设定可动态调整的影响系数μ_(i),通过平衡邻居节点和次邻居节点的不同影响程度,获取每个节点的综合度。在该方法中,当节点K_(s)值相同时,综合度较大的节点更重要。对比几种经典关键节点识别方法和一种风险评估方法,实验结果表明,该方法能够有效识别关键节点,在不同复杂网络中具有较高的准确率和分辨率。除此之外,KBKNR方法可以为网络节点的风险评估、重要节点保护和网络中节点的风险处置优先级排序提供依据。

关 键 词：复杂网络 K-SHELL 综合度 邻居节点 节点重要性  

分 类 号：TP309]