社区划分算法.pptVIP

社区划分算法—GN算法什么是社区划分现实生活中存在着各种各样的网络系统，如人际关系网、合作网、交通运输网、计算机网等。由于这种网络是真实复杂系统的拓扑抽象，因此它被称为复杂网络。通常整个网络是由若干个“群（group）”或“团（cluster）”构成的。每个群内部的节点之间的连接相对非常紧密，但是各个群之间的连接相对来说却比较稀疏。如下图所示。图中的网络包含三个社团，分别对应图中三个圆圈包围的部分。在这些社团内部，节点之间的联系非常紧密，而社团之间的联系就稀疏的多。社区划分就是在大型复杂网络中进行社区搜寻或发现社区。GN算法介绍GN算法是一个经典的社区发现算法，它属于分裂的层次聚类算法。其基本思想是不断的删除网络中具有相对于所有源节点的最大的边介数(egebetweenness)的边，然后，再重新计算网络中剩余的边的相对于所有源节点的边介数，重复这个过程，直到网络中，所有边都被删除。二、G-N算法的思想流程如下：1、计算网络中所有边的边介数。2、找到边介数最高的边并将它从网络中移除。3、重复步骤1,2，直到每个节点就是一个退化的社区为止。边介数定义和计算最短路径边介数方法是一种最简单的边介数度量方法，一条边的边介数(betweenness)是指从某个源节点S出发通过该边的最短路径的数目，对所有可能的源节点，重复做同样的计算，并将得到的相对于各个不同的源节点的边介数(betweenness)相加，所得的累加和为该边相对于所有源节点的边介数。假设有一个具有m条边和n个节点的图，考虑一种比较简单的情况，假设从任何一个源节点出发，对该图进行搜索，该源节点与其它节点之间都只存在一条最短路径，图中的所有最短路径构成一个最短路径树。利用这颗最短路径树来计算每条边的边介数。但是，在大多数的实际网络中，每个源节点与其它节点之间并不只是存在一条最短路径，一些节点对之间存在若干条长度相等的最短路径。移除具有最高边界数的边GN算法的缺点计算速度慢，边介数计算的开销过大，时间复杂性高，只适合处理中小规模的网络(包含几百个节点的网络)。*1，找到这棵树的叶子节点，并为每条与叶子节点相连的边赋值为1；2，按照自下而上的方向为该搜索树中的每条边赋值，从与源节点S之间距离最远的边开始，其值等于位于该边之下的所有邻边的值之和再加上1；3，按照这种赋值方式，对搜索树中的所有边进行遍历，那么每条边的相对于某个源节点S的边介数就是该边的值，对于所有可能的源节点，我们都重复上述过程；4，将每条边的相对于各个源节点的边介数相加，最终结果就是每条边的相对于各个源节点的边介数，即所有节点对间的最短路径的边介数。111242从源节点S出发，为每个节点i赋值，该值为从一个源节点S出发到达其它节点i的最路径的数目用wi表示。具体步骤如下:1.定义源节点S的距离为ds=0，并赋予一个权值为ws=1。2.对于每一个与源节点S相邻的节点i，定义它到源节点的距离为di=ds+1，以及该节点的权值为wi=ws=1。

3.对于每一个与任意节点i相邻的节点j，我们根据具体情况，采取以下三个步骤之一：如果节点j没有被指定距离，那么，指定其距离为dj=di+1，权值为wj=wi；如果已经指定了节点j的距离，并且节点j的距离值为dj=di+1，那么就要在原来的基础上将节点j的权值再增加wi，使其权值为wj，即wj←wj+wi；如果已经指定了节点j的距离，并且距离为djdi+1，那么，直接执行步骤4。4.重复执行第3个步骤，一直到网络中不存在满足以下条件的节点，即其本身已经被指定了距离，但是其邻接点却没有被指定距离。(1,1)(0,1)(1,1)(2,1)(2,1)(2,2)(3,2)(3,1)(3,3)(1,1)(0,1)(1,1)(2,1)(2,2)(3,1)(3,3)从节点j经过节点i到达源节点的最短路径的数目与节点j到达源节点的最短路径的数目之比为wi/wj，对于源节点S，应该采取以下步骤计算边界数：1.找到所有的叶子节点f，该叶子节点f不被任何从源节点出发到达其它任何节点的最短路径所经过。2.假设叶子节点f与节点i相邻，那么就将权值wi/wf赋给从节点f到节点i的的边。3.从距离源节点S最远的边开始，从下至上直到源节点S为从节点i到节点j的边赋值为位于该边之下的所有邻边的权值之