复杂社会网络的两阶段社区发现算法
社区发现是当前复杂系统研究的前沿热点.本文提出了用于描述网络节点间依赖程度的关联度指标,能够有效描述社区节点向社区的聚集,提出了利用关联度进行社区挖掘的两阶段算法CDCDA.该算法首先采用局部扩张方法挖掘初始节点社区,对于初始社区外的独立结构(边缘稀疏结构、边缘聚集结构、中间稀疏结构和中间聚集结构),分别采用合并、分割合并的方式进行社区调整.真实网络的实验结果表明,算法不仅有较好的社区划分效果,而且能够发现社区中的微结构,并能够对社区给出更细致的分析.
复杂网络、社区发现、关联度、社区调整
37
TP393(计算技术、计算机技术)
国家自然科学基金项目61262014;江西省自然科学基金项目20132BAB201034;江西省教育厅科技项目GJJ13224;江西师范大学博士启动基金
2016-10-25(万方平台首次上网日期,不代表论文的发表时间)
共5页
694-698