基于CFSFDP算法的复杂网络聚类

摘要：

针对复杂网络的特殊性质导致社区挖掘质量较低的问题,提出一种相似度度量方法代替传统的欧氏距离,从而将密度聚类CFSFDP(Clustering by fast search and find of density peaks)算法应用到复杂网络聚类中去.首先,利用Pade逼近方法计算复杂网络的拉普拉斯算子矩阵指数;接着,归一化核心矩阵得到相似度矩阵,并求倒数得出复杂网络各节点间距离;最后,借鉴CFSFDP算法思想,将节点自身邻域密度、与其他邻域密度较高节点的距离结合作为判断依据,得出聚类中心并剔除噪声点,再将其余节点与距离最近的聚类中心划分为一类.在人工模拟数据和真实数据集上的实验结果表明:所提算法聚类准确率较高,以超几何定律为最佳匹配标准的已知组与实验组的随机重叠概率较高,算法可用于挖掘高质量的复杂网络社区.

关键词：复杂网络、社区挖掘、密度聚类、CFSFDP算法、相似度

所属期刊栏目：15

分类号：TP301(计算技术、计算机技术)

资助基金：北京林业大学青年教师科学研究中长期项目2015ZCQ-LY-01

在线出版日期：2019-12-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：278-281