基于相似度的加权复杂网络社区发现方法

摘要：

针对加权复杂网络中的社区结构发现问题,本文定义基于权重关系的相似度,并在此基础上定义了节点中心度和归属度,改进GN算法的模块度评价函数,提出一种基于相似度的中心聚类算法(SCC).该算法通过计算节点间的相似度,选取合理的中心度大的节点作为社区中心节点,最后基于节点归属度来聚集从而形成社区;同时,提出了用相似度代替边介数的改进GN算法SGN.通过理论分析,并在数据集上进行实验验证,结果表明SCC算法与WGN算法、SGN算法相比,速度和精度上均有较大改善.同时与I2C算法相比,社区的划分有效性更好.

关键词：加权复杂网络、社区发现、相似度、SCC算法、SGN算法

所属期刊栏目：51

分类号：TP393.01;TP301.6(计算技术、计算机技术)

资助基金：国家“863”高技术发展计划项目2008AA01Z105

在线出版日期：2015-02-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1170-1176