基于自适应仿射传播聚类的社团发现求解.docVIP

基于自适应仿射传播聚类的社团发现求解 摘 要：本文对复杂网络的社团发现问题进行研究，分析社团发现问题和聚类问题的相似性，使用自适应仿射传播聚类算法对社团发现问题进行求解，给出了算法的实例，针对算法中的不同参数进行测试比较。结果表明算法具有较好的准确率和运行效率。 关 键 词：复杂网络；社团发现；自适应仿射传播 一、引言 复杂网络是复杂系统研究的重要领域，取得了大量的研究成果[1-3]。网络结构的社团划分是复杂网络新的研究方向。复杂网络的社团可以定义为网络中的一组节点，组内节点之间具有较高的相似度，组间节点具有较低的相似度[4]。社团结构通常对应于网络中的某一功能单元，例如，万维网中不同社团代表不同主题的网页[5]；引文网中不同社团代表了不同的研究领域[6]。 根据社团发现过程中社团形成方式的不同，社团发现大体可以分成四类过程：凝聚过程、分裂过程、搜索过程和其他过程。凝聚过程将网络中每一个定点设为一个社团，使用设定的度量标准，将相似度高的或相近的社团合并，重新计算，直到所有定点聚集成一个社团。分裂过程与凝聚过程相反，从所有定点组成的大社团出发，进行分裂，直到每个节点组成一个社团。搜索过程是一个逐步优化目标的过程。其他方法主要有谱分析等。本文使用自适应仿射传播聚类[7]方法求解社团发现问题，相比传统聚类方法，该方法不需要事先指定分类的个数且具有较快的运行速度。 二、基本定义 社团：目前为止，关于社团还没有统一的定义。比较常用的有基于链接频度的定义，网络分组后，即组内的链接稠密，组间的链接稀疏。还有基于连通性的定义，即将全连通子图定义为派系，所以也被称为基于派系的定义，派系的定义也可以通过放宽路径长度进行弱化。上述两个定义都是定性的定义，实践中还有定量的定义，比如使用Girvan和Newman定义的模块化函数来定义社团。 聚类算法：聚类是一个将数据集分类的过程，是数据挖掘领域中使用的技术，用于发现大规模数据中隐藏的模式和规律。聚类方法融合了多种技术，其应用领域也已超出了数据挖掘的范围。聚类分析所解决的问题与社团发现问题具有相似的特性，所以社团结构也可以被称为复杂网络中的聚类。聚类分析的理论和技术可以应用到复杂网络社团发现求解的问题中。 相似度：相似度是两个节点属性相似的程度。对于网络中的节点a和b，当以b为聚类中心时，a和b的相似度记为S（a，b）。相似度可以是对称的，即S（a，b） S（b，a），也可以是不对称的，即二者不等。一般可以使用欧式距离来定义相似度，比如。将相似度定义为负值，是因为较大的负值说明二者的距离较小，方便程序的计算。 参考度：节点成为聚类中心的可能性定义为参考度。参考度越大，节点作为聚类中心的可能性也越大。节点a的参考度记为P（a）或S（a，a）。参考度的值会影响聚类的数量，也就是所划分出的社团的数量。如果初始时对中心点没有任何限制，可以取所有点的参考度相等，如果取输入适应度的中值，则社团数量中等。 吸引度：描述使用节点k作为节点i的聚类中心的适合程度，记为R（i，k），为从节点k发送到节点i的消息。 归属度：描述节点i选择节点k作为聚类中心的适合程度，记为A（i，k），为从节点i向节点k发送的消息。 阻尼系数：用来控制迭代过程中的收敛，阻尼系数取不同值时，迭代过程的收敛和振荡过程也不同。 三、聚类方法 自适应仿射传播聚类根据输入数据点之间的相似度进行聚类。设输入N个数据点，可以将输入数据点的相似度表示成N×N的矩阵S，S中的值S（i，j）为上面定义的相似度。与传统的聚类方法不同，算法不需要指定生成聚类的数量，而是使用所有输入点作为起始聚类，进行求解。相似度矩阵对角线上的值S（k，k）为前面定义的适应度。本文使用节点输入相似度的中值作为适应度的初始值。算法运行过程中传递两种类型的消息，吸引度和归属度。吸引度和归属度也以矩阵的形式表示。吸引度大说明节点作为聚类中心的可能性大，归属度大说明节点选择对应节点为聚类中心的可能性大。自适应仿射传播聚类算法迭代计算所有点的吸引度和归属度。直到产生若干个聚类中心，且所有数据点都找到聚类中心为止。 吸引度和归属度如下公式计算： R（i，k） S（i，k）-max A（i，j）+S（i，j） j≠k R（k，k） P（k）-max A（k，j）+S（k，j） j≠k A（i，k） min 0，R（k，k）+ j≠i且j≠k 根据上面公式，当参考度较大使得R（k， k）较大时， 计算所得的归属度A（i， k） 的值相应较大， 增加了k作为聚类中心的可能性； 具有较大参考度值的节点越多，聚类的数量也越多。所以，初始参考度值的大小最终聚类的数量有较大的影响。 自适应仿射传播聚类算法计算过程可以描述如下： 1.初始化：计算相似度矩阵S，计算参考度P。设置最大迭代次数。转步骤2。 2.