基于粒子群优化与模糊聚类的社区发现算法

• 作者: 孙延维 彭智明 李健波
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 社区结构 粒子群算法 模糊聚类 云模型 社交网络
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 660-666
• 页数: 7页
• 分类号: TP393
• 字数: 5031字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2015.05.015

摘要

针对现有基于改进的K-means模糊聚类的社区发现算法(k-means algorithm for community structures detection based on fuzzy clustering,NKFCM)执行效率较差的问题,将粒子群算法与模糊聚类算法相结合提出了基于粒子群优化与模糊聚类的社区发现算法(community detection algorithm based on particle swarm optimization and fuzzy clustering,PFCM).该算法首先进行迭代运算,找出初始聚类核心,利用以云模型为运行条件的粒子群优化算法确定最优聚类核心与最佳社区个数,最后利用模糊聚类算法(fuzzy c-means algorithm,FCM)进行具体的社区划分.理论解析与测试结果表明:该算法发现网络社区的准确性较高,且与NKFCM算法相比,PFCM在处理网络数据时执行效率获得了极大地提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙延维	湖北第二师范学院基础教育信息技术服务湖北省协同创新中心	9	27	3.0	4.0
2	李健波	重庆市教育考试院信息处	2	6	1.0	2.0
3	彭智明		1	5	1.0	1.0