1. 研究目的与意义（文献综述）
1)目的与意义
20世纪90年代以来，以internet为代表的信息技术的迅猛发展使人类社会大步迈入了网络时代。人类社会的日益网络化需要人类对各种人工和自然的复杂网络的行为有更好的认识。长期以来，通信网络、电力网络、生物网络和社会网络等分别是通信科学、电力科学、生命科学和社会学等不同学科的研究对象，而复杂网络[1]理论研究的则是看上去各不相同的复杂网络之间的共性和处理它们的普适方法。从20世纪末开始，复杂网络研究正渗透到数理学科、生命学科和工程学科等不同领域，对复杂网络的定量和定性特征的科学理解，已成为网络时代科学研究中的一个重要的挑战性课题[2,3]。
随着对复杂网络的物理结构和功能特征的深入研究，研究者们发现许多复杂网络都具有社团结构[4,5]的特征。在对复杂网络的研究中社团结构是复杂网络的一个关键结构规律，因此准确分析复杂网络的社团结构是复杂网络研究中的一个非常重要的课题[6]。社团结构是指网络中的顶点可以分成组，组内顶点间的连接比较稠密，组间顶点的连接比较稀疏[7]。一般而言，社团结构可以包含模块、类、群、组等各种含义。例如，在人际关系网中，社团可能基于人的职业、年龄等因素形成；在引文网中，不同社团可能代表了不同的研究领域；在万维网中，不同社团可能表示了不同主题的主页；在新陈代谢网、神经网中，社团可能反映了功能单位；在食物链网中，社团可能反映了生态系统中的子系统[8]。可以看出，揭示网络中的社团结构，对于了解网路结构和分析网络特性都是很重要的。在探索复杂网络的结构中，单纯的描述性的定义无法直接应用，算法对网络的社团结构并没有一个量的描述[9]。因此，不能直接从网络的拓扑结构来判断它所求得的社团是否是实际的网络中的社团结构，从而需要一些附加的关于网络意义的信息来判断所得到的社团结构是否具有实际的意义,模块度[10]就是基于此而给定的。社会学中的分级聚类[11]是寻找社会网络中社团结构的一类传统算法，它是基于各个节点之间连接的相似性或者强度，把网络自然的划分成各个子群。该类算法又分为两类：凝聚方法和分裂方法。而这里所要研究的基于信息中心度[12,13]的方法就是分裂方法中的一种。
2. 研究的基本内容与方案
1)本设计研究的基本内容包括：
a)复杂网络的学习
复杂网络是具有自相似、自组织、吸引子、小世界、无标度中部分有或全部性质的网络。一般研究的网络都具有数学模型，它是从实际网络中抽象出来，具有多样性的特征，节点数目巨大，节点权重存在差异并且相互影响。复杂网络具有社团结构这一共性，通过学习复杂网络，从而为进一步研究复杂网络中的社团结构打下基础。
b)社团结构的学习
社团结构是许多实际网络都具有的共性。整个网络是由若干个“群”或“团”构成的，每个群内部的节点之间的连接相对非常紧密，但是各个群之间的连接相对来说却比较稀疏。揭示网络中的社团结构，对于了解网络结构与分析网络特性都是很重要的。社团结构分析在生物学、物理学、计算机图形学和社会学中都有广泛的应用。
3. 研究计划与安排
1)第1-3周：查阅相关文献资料，明确研究内容，了解研究所需的相关知识。确定方案，完成开题报告。
2)第3周起：阶段性报告，每三周一次。
3)第4-10周：完成英语论文翻译；参考相关文献研究网络社团结构识别理论与信息中心度，编写matlab程序，收集相关的文档和资料，完成典型网络社团结构识别的研究设计工作。
4. 参考文献（12篇以上）
[1]汪小帆,李翔,陈关荣.复杂网络理论及其应用[m].清华大学出版社,2006年.
[2]wattsdj.the‘new’scienceofnetworks[j].annualreviewofsociology,2004,30:243~270.
[3]strongatzsh.exploringcomplexnetworks[j].nature.2001,410(6825):268~270.
