基于粒子群优化与模糊聚类的社区发现算法

被引：15

作者：

孙延维 ^{[1
]}

彭智明 ^{[2
]}

李健波 ^{[3
]}

机构：

[1] 湖北第二师范学院基础教育信息技术服务湖北省协同创新中心

[2] 首都信息发展股份有限公司重庆分公司

[3] 重庆市教育考试院信息处

来源：

重庆邮电大学学报(自然科学版) | 2015年 / 05期

关键词：

社区结构; 粒子群算法; 模糊聚类; 云模型; 社交网络;

D O I：

暂无

中图分类号：

O157.5 [图论]; TP18 [人工智能理论];

学科分类号：

070101 [基础数学]; 140502 [人工智能];

摘要：

针对现有基于改进的K-means模糊聚类的社区发现算法(k-means algorithm for community structures detection based on fuzzy clustering,NKFCM)执行效率较差的问题,将粒子群算法与模糊聚类算法相结合提出了基于粒子群优化与模糊聚类的社区发现算法(community detection algorithm based on particle swarm optimization and fuzzy clustering,PFCM)。该算法首先进行迭代运算,找出初始聚类核心,利用以云模型为运行条件的粒子群优化算法确定最优聚类核心与最佳社区个数,最后利用模糊聚类算法(fuzzy c-means algorithm,FCM)进行具体的社区划分。理论解析与测试结果表明:该算法发现网络社区的准确性较高,且与NKFCM算法相比,PFCM在处理网络数据时执行效率获得了极大地提升。

引用

页码：660 / 666

页数：7

共 15 条

[1]

一种基于改进PSO的K-means优化聚类算法 [J].