一种基于K-means改进的社区发现算法

• 作者: 于建军 欧璇
• 来源期刊: 科研信息化技术与应用
• 关键词: 社区发现 K-means算法 模块度
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 技术
• 页码范围: 11-18
• 页数: 8页
• 字数: 5040字
• 语种: 中文
• DOI: 10.11871/j.issn.1674-9480.2017.05.002

摘要

传统的社区发现算法往往时间复杂度较高,K-means算法作为聚类算法且时间复杂度较低可为社区发现提供新思路,但K-means算法的原始应用场景为数值环境与社交网络不符,且自身存在初始中心节点选取敏感等原有问题,针对上述问题本文在下面三个方面进行了优化:第一,结合最短路径及共同邻居信息重新定义距离度量;第二,结合了节点的度和节点距离因素进行初始中心节点选取;第三,在K-means算法结果的基础上进行基于贪心策略以模块度为目标的层次聚类优化.通过实验表明:改进的K-means算法能够很好地应用于社区发现,得到的社区发现结果有较高质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于建军	中国科学院计算机网络信息中心	10	71	4.0	8.0
2	欧璇	中国科学院计算机网络信息中心	1	1	1.0	1.0