节点局部Fiedler向量中心性差值社区发现算法

摘要：

社区结构是复杂网络最重要的一种结构特征.复杂网络中的社区结构研究主要包括社区发现与关键节点发掘两个重要问题.基于节点中心性的社区发现算法可同时进行关键节点发掘与社区发现.针对传统局部Fiedler向量中心性(LFVC)算法存在关键节点识别准确率低,进行社区发现时易出现孤立节点等问题,提出了节点局部Fiedler向量中心性差值社区发现算法(CDDN),设计了新的关键节点识别与边移除策略,并分析了算法性能.选择3种具有代表性的社区发现算法分别在4个真实复杂网络数据集上进行对比实验.实验结果表明,改进的算法既保持了局部中心性度量方法的效率,也防止了错误识别关键节点和关键边对划分结果的负面影响,避免了孤立点所带来的社区结构信息损失,能够快速、准确地发现真实社区.

关键词：复杂网络、社区发现、关键节点发掘、中心性、图分割算法

所属期刊栏目：13

分类号：TP311(计算技术、计算机技术)

资助基金：The National Social Science Foundation of China under Grant No.18CTJ008;the Natural Science Foundation of Tianjin under Grant No.18JCQNJC69600;the National Natural Science Foundation of China under Grant No.11471239;the Key Project of National Statistical Science Research under Grant Nos.2017LZ05,2017LZ25;the Project of National Statistical Science Research under Grant No.2018LY50;the Science and Technology Development Strategy Research Project of Tianjin under Grant No.17ZLZXZF00080

在线出版日期：2019-12-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：2029-2042