基于谱聚类的复杂网络社团发现算法

被引：12

作者：

蔡晓妍

戴冠中

杨黎斌

机构：

[1] 西北工业大学自动化学院

来源：

计算机科学 | 2009年 / 36卷 / 09期

关键词：

复杂网络; 社团结构; 谱聚类; 模块度;

D O I：

暂无

中图分类号：

N941.4 [大系统理论];

学科分类号：

071101 ;

摘要：

复杂网络社团发现的研究对于控制疾病传播、网络病毒的传播等具有重大意义。针对已有社团发现算法时间复杂度过高,不适用于结构未知的大型网络等问题,结合谱聚类在识别未知分布数据集聚类方面的优势,以及模块度函数能够在大型网络中搜寻出最佳社团数目的能力,提出了基于谱聚类的社团发现算法——SCCF算法。实验结果表明,与已有的社团发现算法相比,SCCF算法效率更高,并且能够在网络节点数上万的大型网络中得到高质量的社团结构。

引用

页码：49 / 50+95 +95

页数：3

共 15 条

[1]

Spectral relaxation modelsand structure analysis fork-way graph clustering and bi-clustering. GUMing,ZHA Hong-yuan,DING C,et al. Technical Report CSE-01-007 . 2001

[2]

Finding and evaluating community structure in networks. Newman M E J,Girvan M. Physical Review . 2004

[3]

Computers and Intractab ility:A Gu ide to the Theory of NP-Comp leteness. GareyM R,Johnson D S. . 1979

[4]

Social Network Analysis:A Handbook. J.Scott. . 2002

[5]

NIPS[P]. 英国专利:GB9914394D0,1999-08-18

[6]

Exploring complex networks. Strogatz S H. Nature . 2001

[7]

RES[P]. 澳大利亚专利:AU5679373A,1974-12-12

[8]

Algebraic connectivity of graphs. Fiedler M. Czechoslovak Mathematical Journal . 1973

[9]

Detecting Network Communities:a new Systematic and Efficient Algorithm. Donetti L,Munoz M A. http://arxiv.org/pdf/cond-mat/0404652 . 2004

[10]

Modularity and community structure in networks. Newman,MEJ. Proceedings of the National Academy of Sciences of the United States of America . 2006

← 1 2 →