基于密度自适应聚类数的社区发现谱方法

• 作者: 李有红 李炽平 王学军
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: k-means 社区发现 拉普拉斯矩阵 结构相似
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 81-85
• 页数: 5页
• 分类号: TP391
• 字数: 4413字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.05.018

摘要

社区结构发现研究可揭示复杂网络中隐藏中观结构,为进一步开展网络的形成和演化研究应用提供依据,如可为智能推荐、舆情控制、电力和交通网络调度等方面提供决策支持数据.针对复杂网络社区结构挖掘中社区数量难以确定的问题,提出一种基于密度自适应聚类数的社区发现谱方法.引入谱图分析中比较成熟的谱聚类特征向量分析方法,基于局部节点密度构图,结合网络图的边介数值构造相似矩阵,规范化后进行谱聚类,求得最大特征维度k值,k值即为社区个数.最后采用k-means方法对特征向量空间进行聚类,使得复杂网络社区得以呈现.在人工UCI和真实数据集(southern women data)上的实验表明,与现有谱聚类社区发现算法相比,该方法能自动确定社区个数,能得到划分精度更高的社区.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李有红	广东工业大学华立学院	9	12	2.0	3.0
2	李炽平	广东工业大学华立学院	14	9	2.0	2.0
3	王学军	广东工业大学华立学院	10	80	4.0	8.0