GFN:基于“群”思想对Fast-Newman算法改进的复杂网络聚类算法

• 作者: 彭井 戴彬 牛建伟 童超
• 来源期刊: 高技术通讯
• 关键词: 复杂网络 聚类算法 群 模块度评价函数 Fast-Newman (FN)算法
• 年，卷（期）: 2013,（10）
• 所属期刊栏目: 计算机与通信技术
• 页码范围: 1016-1023
• 页数: 8页
• 字数: 7034字
• 语种: 中文
• DOI: 10.3772/j.issn.1002-0470.2013.10.004

摘要

针对目前复杂网络优化聚类算法目标函数的有偏性影响聚类精度的问题,提出了“群”的概念,实现了对节点在聚类过程中局部信息决策环境的划定.提出了基于“群”概念改进的网络模块性评价函数,并以该函数作为目标函数对Fast-Newman(FN)算法进行了改进.在不同类别数据集上进行的聚类实验的结果表明,基于“群”思想改进的FN算法(GFN)在复杂网络中的聚类精度比FN算法平均提高了约70％,从而验证了“群”思想在揭示真实簇结构过程中的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	牛建伟	北京航空航天大学计算机学院	58	1191	15.0	34.0
2	童超	北京航空航天大学计算机学院	14	106	4.0	10.0
3	戴彬	北京航空航天大学计算机学院	8	13	2.0	3.0
4	彭井	北京航空航天大学计算机学院	2	7	2.0	2.0