10.3969/j.issn.1006-2475.2017.05.005
基于最短路径和最大模块度融合的社团发现算法
复杂网络已成为当前的一个研究热点,复杂网络具有许多重要性质,其中社团结构是复杂网络最普遍最重要的拓扑性质之一.目前已有很多流行的网络社团挖掘算法,但是大部分社团挖掘算法存在准确性低、适用范围窄等缺陷,为了克服这些缺点,本文结合社团挖掘的相关研究,提出一种基于改进近邻传播的社团挖掘算法.首先采用最短路径计算任意节点对之间的距离,并运用近邻传播算法初步识别中心点;然后基于模块度优化的思想,建立"中心点过滤"数学模型,自动识别网络的社团结构;最后对本算法在一些广泛使用的网络数据上进行性能测试.测试结果表明,本算法与传统方法相比,具有适用范围广、准确率高、容忍分辨极限能力强等优点.
最短路径、最大模块度、社团发现、近邻传播
TP391(计算技术、计算机技术)
国家自然科学基金项目资助11675001, 11547247;陕西省自然科学基金项目资助2014K08-07,2014KW07-01,15JK1043;宝鸡市科技计划项目资助15RKX-1-5-18,14GYGG-5-2;宝鸡文理学院科研项目资助ZK16016,ZK16032
2017-06-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
19-23