一种基于节点特征向量的复杂网络社团发现算法
社团结构是复杂网络的一种很普遍且非常重要的拓扑特征,社团的发现有助于了解复杂网络的结构和功能.节点间相似度的评价指标对于社团发现的结果起着至关重要的作用,传统算法中使用的相似度指标存在着时间复杂度过高和不够精确的缺陷.为了弥补这两个缺陷,在信息传递理论的基础上将网络中的节点抽象成了多维数据集,结合传统聚类算法K-means提出了一种社团发现的新算法.基于Zachary Karate Club网络、Jazz Musician网络和Face-book网络的实验结果表明,该算法是高效且准确的.
复杂网络、社团结构、信息传递理论、特征向量
44
TP393(计算技术、计算机技术)
水利部公益性行业科研专项201401044;常州市科技计划项目CJ20159013
2017-12-27(万方平台首次上网日期,不代表论文的发表时间)
共5页
419-423