基于贡献函数的重叠社区划分算法
现实世界中的网络结构呈现出重叠社区的特征.在研究经典的标签算法的基础上,该文提出基于贡献函数的重叠社区发现算法.算法将每个节点用三元组(阈值、标签、从属系数)集合来表示.节点的阈值是每次迭代过程中标签淘汰的依据,该值由多元线性方程自动计算而来.从属系数用于衡量当前节点与标签所标识社区的相关度,从属系数的值越大说明该节点与标签所标识社区的关联性越强.在每一次迭代的过程中,算法依据贡献函数计算每个节点的从属系数,并生成新的三元组集合.然后依据标签决策规则淘汰标签,进行从属系数规范化.通过对真实的复杂网络和LFR(Lancichinetti Fortunato Radicchi)自动生成的网络进行测试可知,该算法的社区划分准确率高,而且划分结果稳定.
复杂网络、社区发现、重叠社区
39
TP309(计算技术、计算机技术)
国家973关键技术研究项目2013CB329603;国家自然科学基金61472248 The National 973 Key Basic Research Program of China2013CB329603;The National Natural Science Foundation of China61472248
2017-08-28(万方平台首次上网日期,不代表论文的发表时间)
共8页
1964-1971