基于稠密子图的社区发现算法

• 作者: 张浩杰 王杰 郑文萍
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 复杂网络 社区发现 图聚类 软聚类 密度 中心扩展策略 点介数 模块性
• 年，卷（期）: 2016,（3）
• 页码范围: 426-432
• 页数: 7页
• 分类号: TP18
• 字数: 4555字
• 语种: 中文
• DOI: 10.11992.tis.201603045

摘要

基于密度的图聚类算法在社区发现中得到了广泛应用，然而由于其通过搜索网络中局部稠密子图来识别社区，使得大量结点因不能构成稠密子图而未被聚类。针对此问题，给出了一种基于稠密子图的软聚类算法（ commu?nity detection based dense subgraphs，BDSG）。首先给出一种中心社区发现方法；进而定义了一种结点的社区归属度，并给出中心社区扩展策略；最终得到聚类结果。通过与CPM（ clique percolation method）、k?dense算法在空手道俱乐部、海豚社交网络、大学生足球网络、电子邮件网络和合作网络等数据进行比较，表明BDSG算法在模块性指标与时间效率方面体现了良好性能，同时中心社区扩展策略能在一定程度上提高CPM、k?dense等基于密度算法的聚类有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王杰	山西大学计算机与信息技术学院	25	103	6.0	9.0
5	郑文萍	山西大学计算机与信息技术学院	13	55	4.0	7.0
9	张浩杰	山西大学计算机与信息技术学院	1	8	1.0	1.0