基于最短路径和最大模块度融合的社团发现算法

• 作者: 刘飞
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 最短路径 最大模块度 社团发现 近邻传播
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 19-23
• 页数: 5页
• 分类号: TP391
• 字数: 4621字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2017.05.005

摘要

复杂网络已成为当前的一个研究热点,复杂网络具有许多重要性质,其中社团结构是复杂网络最普遍最重要的拓扑性质之一.目前已有很多流行的网络社团挖掘算法,但是大部分社团挖掘算法存在准确性低、适用范围窄等缺陷,为了克服这些缺点,本文结合社团挖掘的相关研究,提出一种基于改进近邻传播的社团挖掘算法.首先采用最短路径计算任意节点对之间的距离,并运用近邻传播算法初步识别中心点;然后基于模块度优化的思想,建立"中心点过滤"数学模型,自动识别网络的社团结构;最后对本算法在一些广泛使用的网络数据上进行性能测试.测试结果表明,本算法与传统方法相比,具有适用范围广、准确率高、容忍分辨极限能力强等优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘飞	宝鸡文理学院物理与光电技术学院	35	44	3.0	4.0