浅谈复杂网络交叠团模糊分析与信息挖掘.docxVIP

浅谈复杂网络交叠团模糊分析与信息挖掘  　　团结构是复杂网络普遍而又重要的拓扑属性之一,具有团内连接紧密、团间连接稀疏的特点。网络团结构提取是复杂网络分析中的一个根本步骤。揭示网络团结构的复杂网络聚类办法[1~5]对分析复杂网络拓扑结构、理解其功能、发现其隐含模式以及预测网络行为都具有十分重要的理论意义和广泛的应用前景。目前,大多数提取办法不考虑重叠网络团结构,但在多数网络应用中,重叠团结构更为普遍,也更具有实际意义。 　　现有的网络重叠团结构提取办法[6~10]多数只对团间含糊点进行初步分析,如Nepusz等人[9,10]的含糊点提取。针对网络交叠团结构的深入拓扑分析,本文介绍一种新的团点相似度含糊度量。由于含有确定的物理含意和更为丰盛的拓扑信息,用这种含糊度量可进一步导出团与团的连接紧密程度,以及含糊节点对两团联系的奉献程度,并设计出新指标和定量关系来深度分析网络宏观拓扑连接模式和提取关键连接节点。本文在三个实际网络上作了实验分析,其结果说明,本办法所挖掘出的网络拓扑特征信息为网络的含糊聚类后分析提供了新的视角。 　　1新含糊度量和最优化逼近办法 　　设A=[Aij]nxn(Aijge;0)为n点权重无向网络G(V,E)的邻接矩阵,Y是由A产生的特征矩阵,表征点点距离,Yij0。若图G的n个节点划分到r个交叠团中,用非负rxn维矩阵W=[Wki]rxn来表示