基于相似度的加权复杂网络社区发现方法
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.
Saved in:
| Main Authors: | , , , |
|---|---|
| Format: | Artigo |
| Language: | Inglês |
| Published: |
Editorial Department of Journal of Sichuan University (Natural Science Edition)
2014-01-01
|
| Series: | 四川大学学报. 自然科学版 |
| Subjects: | |
| Online Access: | http://science.scu.edu.cn/thesisDetails?columnId=156489894&Fpath=home&index=0 |
| Tags: |
No Tags, Be the first to tag this record!
|