基于Kmeans聚类算法复杂网络社团发现新方法.docVIP

基于Kmeans聚类算法复杂网络社团发现新方法 　　摘 要：提出了一种基于K-means 聚类算法的复杂网络社团结构划分方法。算法基于Fortunato等人提出的边的信息中心度，定义了节点的关联度，并通过节点关联度矩阵来进行聚类中心的选择和节点聚类，从而将复杂网络划分成k个社团，然后通过模块度来确定网络理想的社团结构。该算法有效地避免了K-means 聚类算法对初始化选值敏感性的问题。通过Zachary Karate Club和College Football Network两个经典模型验证了该算法的可行性。 　　关键词：复杂网络；社团结构；K-means聚类算法；节点关联度 　　中图分类号：TP393文献标志码：A 　　文章编号：1001-3695(2009)06-2041-03 　　doi:10.3969/j.issn.1001-3695.2009.06.012 　　 　　Detecting community in complex networks using K-means cluster algorithm 　　ZHAO Feng-xia,XIE Fu-ding 　　(College of Computer Information Technology, Liaoning Normal University， Dalian Liaoning 116029, China) 　　Abstract: 　　This paper proposed a new detecting method based on K-means cluster algorithm.Through the definition of node link based on information centrality which Fortunato proposed and the selection of the clustering center and the clustering of the node according node link, the approach identified the network to k communities, then identified the ideally community structure according modularity.The algorithm could find clustering center better and it is robust to initialization, so the quality of detecting was improved greatly.It tested the algorithm on the two network data named Zachary Karate Club and College Football Network. 　　Key words:complex network; community structure; K-means cluster algorithm; node link 　　 　　0 引言?? 　　 　　随着对复杂网络性质的物理意义和数学特性的深入研究，人们发现许多实际网络都具有一个共同性质，即社团结构。也就是说，整个网络是由若干个群或团构成的。每个群内部节点之间的连接相对非常紧密，而各个群之间的连接相对来说却比较稀疏。复杂网络社团结构的研究对于控制疾病传播、网络病毒的传播等具有重大意义。寻找网络社团结构的算法一般可分为社会学中的分级聚类[1~3]和计算机科学中的图分割两类。分级聚类是探测网络社团的传统方法, 算法基于各个节点间连接的相似性或强度将网络划分成若干个子群, 且根据划分时是向网络中添加还是移除边可分为凝聚算法[4]和分裂算法两类。应用比较广泛的分级聚类方法是由Girvan等人提出的基于边介数的分裂算法(简称GN算法)。图分割算法的代表是Kernighan-Lin算法[5]和谱平分法[6]。其中 Kernighan-Lin算法是根据使社团内部及社团间的边最优化的原则对原始的网络进行分类；谱平分法是根据网络图的 Laplace矩阵向特征向量空间进行谱映射。?? 　　K-means聚类算法[7,8]是由MacQueen提出的基于划分的聚类算法,该算法是目前应用最为广泛的聚类算法之一，它具有算法简单且收敛速度快的特点。但是该算法的性能依赖于聚类中心的初始位置，即对于随机的初始值选取可能导致不同的聚类结果，甚至存在无解的情况,而且算法对孤立点和噪声数据很敏感。?? 　　本文首先定义了网络中节点关联度，并构建了节点关联度矩阵，在此基础上给出了一种基