模块度增量与局部模块度引导下的社区发现算法.PDFVIP

———————————————————————————————————————————————— 模块度增量与局部模块度引导下的社区发现算法 作者 刘明阳，张曦煌 机构 江南大学 物联网工程学院 DOI 10.3969/j.issn.1001-3695.2017.12.0750 预排期卷 《计算机应用研究》2019 年第36 卷第5 期 摘要 社区结构是复杂网络的重要特性之一，基于层次聚类的社区发现算法很好地利用了模块度来 挖掘网络中的社区结构，但其局限性也导致算法对社区结构复杂的网络划分不够准确、无法 发现小于一定规模的社区。在层次聚类的基础上，提出引入局部模块度来弥补模块度在划分 社区时的不足，避免可能出现的划分不合理情况。通过真实数据集和人工网络进行了验证， 实验结果证明，该算法具有可行性与有效性。 关键词 复杂网络；社区发现；层次聚类；模块度增量；局部模块度 作者简介 刘明阳（1994-），男，硕士研究生，主要研究方向为复杂网络（lmy2335@）；张曦煌 （1962-），男，教授，博士，主要研究方向为分布式系统与应用． 中图分类号 TP301.6 访问地址 /article/02-2019-05-030.html 投稿日期 2017 年12 月1 日 修回日期 2018 年1 月22 日 发布日期 2018 年3 月9 日 引用格式 刘明阳, 张曦煌. 模块度增量与局部模块度引导下的社区发现算法[J/OL]. 2019, 36(5). [2018- 03-09]. /article/02-2019-05-030.html. 36 5 Vol. 36 No. 5 第 卷第 期 计算机应用研究 优先出版 Application Research of Computers Online Publication 模块度增量与局部模块度引导下的社区发现算法 刘明阳，张曦煌 (江南大学 物联网工程学院, 江苏 无锡 214122) 摘 要：社区结构是复杂网络的重要特性之一，基于层次聚类的社区发现算法很好地利用了模块度来挖掘网络中的社 区结构，但其局限性也导致算法对社区结构复杂的网络划分不够准确、无法发现小于一定规模的社区。在层次聚类的 基础上，提出引入局部模块度来弥补模块度在划分社区时的不足，避免可能出现的划分不合理情况。通过真实数据集 和人工网络进行了验证，实验结果证明，该算法具有可行性与有效性。 关键词：复杂网络；社区发现；层次聚类；模块度增量；局部模块度 中图分类号：TP301.6 doi: 10.3969/j.issn.1001-3695.2017.12.0750 Communities detection during increment of modularity and local modularity Liu Mingyang, Zhang Xihuang (School of Internet of Things Engineering , Jiangnan University, Wuxi Jiangsu 214122, China) Abstract: Community structure is one of the important ch