一种改进的加权复杂网络聚类方法.docxVIP

一种改进的加权复杂网络聚类方法 1 聚类算法在复杂生物网络中的应用 复杂网络聚类法的研究不仅对分析复杂网络的结构、理解复杂网络的功能、发现复杂网络的隐藏规律以及预测复杂网络的行为具有重要的理论意义，而且具有广阔的应用前景。目前聚类算法在复杂生物网络中的应用主要集中在蛋白质交互网络分析预测未知蛋白质功能、新陈代谢网络分析、蛋白质相似性网络分析和基因调控网络分析等领域。复杂网络自20世纪末逐渐兴起以来,正迅速地在深度和广度上与其它学科进行交叉。一方面,从现实世界存在的网络中不断地发现新结构与新现象,大量重要的应用问题涌现出来;另一方面,以研究复杂网络一般规律为目标的理论研究工作也迅速发展,不断提出新的理论模型和新的分析方法。 2 预备知识 2.1 基于优化的方法 近年来,关于复杂网络的研究正方兴未艾,成为国际上的一个研究热点。网络簇结构(network cluster structure)是复杂网络最普遍和最重要的拓扑结构属性之一。复杂网络具有同簇节点相互连接密集、异簇节点相互连接稀疏的特点。复杂网络聚类方法旨在揭示复杂网络中真实存在的网络簇结构。 目前已存在多种复杂网络聚类算法,可以将它们中的大多数归纳为两大类:基于优化的方法(optimization based method)和启发式方法(heuristic method)。前者将复杂网络聚类问题转化为优化问题,通过最优化预定义