10.11959/j.issn.1000–0801.2023091
融合节点分析与边分析的复杂网络社区识别算法
针对边社区识别与节点型社区识别两类算法在识别社区过程中均存在相应缺陷,影响复杂网络社区识别质量的问题,提出融合节点分析与边分析的复杂网络社区识别(CDHNE)算法.该算法首先运用边在网络中较为稳定的特点,在算法执行初期通过边社区识别构建较为准确的社区结构;然后利用节点较为灵活的特点,在边社区形成后,对边社区的边缘进行精确识别,更准确地识别出复杂网络中的社区结构.在计算机生成网络实验中,当网络的社区结构逐渐变得模糊、重叠节点数量与重叠节点归属社区数量不断增加时,CDHNE算法的社区识别精度较传统算法平均提高10%,在重叠节点识别精度上较传统算法平均提高15%;在真实网络实验中,算法识别的社区结构紧密度较好,特别是面对拥有十几万个节点的大规模网络时,CDHNE算法高质量地完成了识别任务,EQ值达到0.4121.实验结果表明,CDHNE算法在运行稳定性和处理大规模网络方面具有优势.
复杂网络、社区识别、边社区、节点分析、边分析
39
TP391(计算技术、计算机技术)
国家自然科学基金;教育部人文社会科学研究项目;浙江省教育科学规划课题项目;教育部卓越工程师教育培养计划项目产学合作协同育人项目;教育部卓越工程师教育培养计划项目产学合作协同育人项目
2023-05-09(万方平台首次上网日期,不代表论文的发表时间)
共14页
87-100