挖掘復(fù)雜網(wǎng)絡(luò)的重疊社區(qū)結(jié)構(gòu)對研究復(fù)雜系統(tǒng)具有重要的理論和實(shí)踐意義。針對局部擴(kuò)展算法（local fitness method,LFM）隨機(jī)選取種子節(jié)點(diǎn)造成的社區(qū)結(jié)果魯棒性較低等問題,提出了一種基于最大生成樹的重疊社區(qū)發(fā)現(xiàn)算法:提出一種新穎的邊權(quán)重定義,將無權(quán)的網(wǎng)絡(luò)轉(zhuǎn)換為帶權(quán)重的網(wǎng)絡(luò),而且該權(quán)重真實(shí)反映了網(wǎng)絡(luò)真實(shí)結(jié)構(gòu);提出一種節(jié)點(diǎn)影響力計(jì)算方法,反映節(jié)點(diǎn)在整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)中的重要程度;提出了一種新的生成候選種子集的方法,并借助最大生成樹使得到的候選種子節(jié)點(diǎn)在網(wǎng)絡(luò)中更具有代表性;對初始社區(qū)劃分結(jié)果進(jìn)行優(yōu)化,避免社區(qū)之間重疊度過多。經(jīng)仿真實(shí)驗(yàn)發(fā)現(xiàn),該算法與經(jīng)典的重疊社區(qū)發(fā)現(xiàn)算法相比,無論在真實(shí)網(wǎng)絡(luò)還是LFR人工網(wǎng)絡(luò)上,均有良好的表現(xiàn)。 

【文章來源】：計(jì)算機(jī)應(yīng)用研究. 2020,37(S2)北大核心CSCD

【文章頁數(shù)】：4 頁

【文章目錄】：
0 引言
1 相關(guān)定義
    1.1 基本概念
    1.2 邊權(quán)重模型
    1.3 最大生成樹
    1.4 節(jié)點(diǎn)影響力
    1.5 社區(qū)適應(yīng)度
    1.6 添加節(jié)點(diǎn)適應(yīng)度
    1.7 刪除節(jié)點(diǎn)適應(yīng)度
    1.8 社區(qū)重疊度
2 算法思想與分析
    2.1 候選種子集
    2.2 生成初始社區(qū)集合
    2.3 社區(qū)結(jié)果優(yōu)化
3 評價(jià)
    3.1 實(shí)驗(yàn)數(shù)據(jù)
        3.1.1 真實(shí)數(shù)據(jù)
        3.1.2 LFR人工數(shù)據(jù)集
    3.2 評價(jià)指標(biāo)
        3.2.1 模塊度（EQ)
        3.2.2 標(biāo)準(zhǔn)互信息（NMI)
    3.3 實(shí)驗(yàn)條件
    3.4 實(shí)驗(yàn)結(jié)果
4 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]基于平均互信息的最優(yōu)社區(qū)發(fā)現(xiàn)方法[J]. 李東,程鳴權(quán),徐楊,袁峰,陳奕男,付雅晴.  中國科學(xué):信息科學(xué). 2019(05)
[2]基于結(jié)構(gòu)緊密性的重疊社區(qū)發(fā)現(xiàn)算法[J]. 潘劍飛,董一鴻,陳華輝,錢江波,戴明洋.  電子學(xué)報(bào). 2019(01)
[3]面向復(fù)雜有權(quán)網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)方法研究[J]. 譚紅葉,吳永科,張虎,劉全明,李茹.  中文信息學(xué)報(bào). 2018(08)
[4]一種基于邊界節(jié)點(diǎn)識(shí)別的復(fù)雜網(wǎng)絡(luò)局部社區(qū)發(fā)現(xiàn)算法[J]. 劉陽,季新生,劉彩霞.  電子與信息學(xué)報(bào). 2014(12)



本文編號(hào)：3275127