基于K-means聚类和数据场理论的复杂网络社团结构探寻.pdfVIP

第 24 卷 第 3 期 控 　制 　与 　决 　策 2009 年 3 月 Vol . 24 N o. 3 Cont rol an d D ecis ion 　　Mar . 2009 ( ) 　　文章编号 : 100 10920 2009 03 0377 06 基于 Kmeans 聚类和数据场理论的复杂网络社团结构探寻 高忠科 , 金宁德 (天津大学 电气与自动化工程学院 , 天津 300072) 摘 　要 : 探寻社团结构是研究复杂网络结构与功能之间关系的基础. 提出和分析了基于 Kmean s 聚类的社团探寻算 法和基于数据场理论的社团探寻算法 ,并通过实验仿真验证了这两种算法的有效性. 在仿真中发现并验证了社团内 部比整个网络具有更加鲜明的小世界效应 ,这说明在网络控制中 ,在相同的耦合强度下 ,对社团的同步控制比对整个 网络的同步控制更容易实现. 关键词 : 复杂网络 ; 社团结构 ; Kmean s 聚类 ; 数据场 ; 小世界效应 中图分类号 : N 94 1. 4 　　　　文献标识码 : A Detecting community structure in complex net works based on Kmeans clustering and data f iel d theory GA O Z hongke , J I N N i ngde ( School of Elect rical Engineering and Automation , Tianj in U niver sit y , Tianj in 300072 , China . Correspondent : J IN Ningde , Email : ndj in @tj u . edu . cn) Abstract : Det ecting communit y st ruct ure i s fundament al for analyzing t he relation ship between st ruct ure and function in complex network s. We p ropo se t wo algorit hm s for network communit y det ection : Communit y det ection based on Kmean s clu st ering and communit y det ection ba sed on dat a fields. Exp eriment s show t hat t he algorit hm s p resent ed in t hi s p ap er are of high accuracy wit h goo d p erformance and t he “smallworld ”effect in t he communit y i s more obviou s t han t hat in t he whole network , which implies t hat it i s much ea sier to reach synchronization in t he communit y t han t hat in t he whole network under t he same coup ling st rengt h . Key words : Comp lex network s ; Communit y st ruct ure ; Kmean s clu st ering ; Dat a field ; Smallworld