基于聚類的復雜網絡中社團發(fā)現(xiàn)的算法.pdf

1、復雜網絡是一種對復雜系統(tǒng)進行研究的模型和工具。隨著學術界越來越多地研究復雜網絡，人們提煉出了不少重要性質，其中社團結構是復雜網絡是最重要的拓撲性質。如果能發(fā)現(xiàn)復雜網絡中的社團結構，對分析復雜網絡的拓撲結構、功能和隱含模式等具有重要意義，并且可以預測復雜網絡的各種行為，在萬維網、社會網和生物網等中都有廣泛的應用。
　　本文先是對復雜網絡中的社團發(fā)現(xiàn)在國內外的研究成果進行了闡述，分析研究了復雜網絡的相關理論，以及對如今的社團發(fā)現(xiàn)算法的

2、優(yōu)點和缺點進行了分析，針對現(xiàn)存社區(qū)發(fā)現(xiàn)算法中存在的劃分效率低、需要先驗條件、不適用于大規(guī)模網絡等問題，提出了一種基于MVV方法的譜算法以提高社團發(fā)現(xiàn)的準確率和執(zhí)行效率。首先，本文提出了一種把網絡中的結點轉化成向量的方法—MVV方法，通過這一方法，可以把網絡中的結點轉換為適合數(shù)據(jù)挖掘中聚類算法的數(shù)據(jù)結構；然后在分析比對不同的相似性度量方法對聚類算法性能的影響后，提出了基于歐式距離的相異性指數(shù)；針對層次聚類算法由于噪音的影響無法適用于大規(guī)模

3、網絡的缺點，提出結合譜聚類和層次聚類，先由譜聚類對向量降維從而提高算法的執(zhí)行效率和降低噪音的影響，再以相異性指數(shù)為基礎進行層次聚類。
　　本文利用Matlab工具進行數(shù)據(jù)處理，對基于MVV的譜方法從準確率、模塊度、執(zhí)行時間和大規(guī)模網絡四個方面進行實驗驗證。實驗結果表明該算法不僅能保障真實網絡和生成網絡中社團發(fā)現(xiàn)的準確性，而且較之傳統(tǒng)的社團發(fā)現(xiàn)算法提高了計算效率，而且適用于規(guī)模較大的網絡。最后本文分析了社團發(fā)現(xiàn)算法進一步研究的方向。