层次聚类社区发现算法的研究

被引：22

作者：

龚尚福

陈婉璐

贾澎涛

机构：

[1] 西安科技大学计算机科学与技术学院

来源：

计算机应用研究 | 2013年 / 30卷 / 11期

关键词：

社区发现; 复杂网络; 矩阵谱分析; 层次聚类; 边图思想; 极大团方法;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

概述了社区发现算法的研究现状;介绍了因分析对象的不同而产生的四类社区发现方法:矩阵谱分析方法、层次聚类方法、基于边图思想的方法和基于极大团思想的方法。对其中性能最优的层次聚类方法进行了详细的综述,并对其典型算法进行了分析比较。最后,提出了社区发现算法可能的研究方向,为今后的研究提供参考。

引用

页码：3216 / 3220+3227 +3227

页数：6

共 17 条

[1] 重叠社区发现的两段策略 [J].

陈端兵 ;

尚明生 ;

李霞 .

计算机科学, 2013, 40 (01) :225-228

[2] 一种新的重叠社区发现算法 [J].

马兴福 ;

王红 .

计算机应用研究, 2012, 29 (03) :844-846

[3] 用于网络重叠社区发现的粗糙谱聚类算法 [J].

黄发良 ;

肖南峰 .

小型微型计算机系统, 2012, 33 (02) :263-266

[4]

基于局部相似性的复杂网络社区发现方法[J]. 刘旭,易东云.自动化学报. 2011(12)

[5] 一种基于数据场的社区发现算法 [J].

王莉军 ;

杨炳儒 ;

谢永红 .

计算机应用研究, 2011, 28 (11) :4142-4145

[6] 基于完全子图的社区发现算法 [J].

骆挺 ;

钟才明 ;

陈辉 .

计算机工程, 2011, 37 (18) :41-43

[7] 基于线图与PSO的网络重叠社区发现 [J].

黄发良 ;

肖南峰 .

自动化学报, 2011, 37 (09) :1140-1144

[8] 基于信息熵的社区发现算法研究 [J].

王刚 ;

钟国祥 .

计算机科学, 2011, 38 (02) :238-240

[9] 一种基于广度优先搜索的社区发现方法 [J].

陈东明 ;

徐晓伟 .

东北大学学报(自然科学版), 2010, 31 (03) :346-349

[10] 一种重叠社区发现的启发式算法 [J].

万雪飞 ;

陈端兵 ;

傅彦 .

计算机工程与应用, 2010, 46 (03) :36-38+41

← 1 2 →