基于粒子群优化与模糊聚类的社区发现算法

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.

关键词：社区结构、粒子群算法、模糊聚类、云模型、社交网络

所属期刊栏目：27

分类号：TP393(计算技术、计算机技术)

资助基金：湖北省教育厅中青年人才项目Q20153001;The Young Talent Foundation of Hubei Province Education DepartmentQ20153001

在线出版日期：2016-01-16（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：660-666