基于Laplace矩阵Jordan型的复杂网络聚类算法

摘要：

在目前复杂网络聚类算法中，基于 Laplace 特征值的谱聚类方法具有严密的数学理论和较高的精度，但受限于该方法对簇结构数量、规模等先验知识的依赖，难以实际应用。针对这一问题，基于Laplace矩阵的Jordan型变换，提出了一种先验知识的自动获取方法，实现了基于Jordan矩阵特征向量的初始划分。基于Jordan型特征值定义了簇结构的模块化密度函数，并使用该函数和初始划分结果完成了高精度聚类算法。该算法在多个数据集中的实验结果表明，与目前主流的Fast-Newman算法、Girvan-Newman算法相比，基于Laplace矩阵Jordan型聚类算法在不依赖先验知识的情况下，实现了更高的聚类精度，验证了先验知识获取方法的有效性和合理性。

关键词：复杂网络、聚类算法、Laplace矩阵、Jordan型、先验知识获取

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家重点基础研究发展计划“973”计划基金资助项目2013CB035503；国家自然科学基金资助项目61170296，61190125；国家高技术研究发展计划“863”计划基金资助项目2012BAH07B01,2013BAH35F01；北京市自然科学基金资助项目4123101 @@@@The National Basic Research Program of China 973 Program2013CB035503;The National Natural Science Foundation of China61170296,61190125;The National High Technology Research and Development Program of China 863 Program2012BAH07B01,2013BAH35F01;The Natural Science Foundation of Beijing4123101

在线出版日期：2014-04-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：11-21