基于中心性與路由特征的多粒度社團(tuán)發(fā)現(xiàn)算法.pdf

1、自然界中存在的大量復(fù)雜系統(tǒng)都可以通過(guò)復(fù)雜網(wǎng)絡(luò)加以描述，而社團(tuán)結(jié)構(gòu)是繼小世界特性和無(wú)標(biāo)度特性之后發(fā)現(xiàn)的最為重要的復(fù)雜網(wǎng)絡(luò)特性。社團(tuán)是網(wǎng)絡(luò)中關(guān)聯(lián)緊密的一群節(jié)點(diǎn)，往往具有某些共同特征或者指示網(wǎng)絡(luò)中的功能實(shí)體。面對(duì)網(wǎng)絡(luò)中大量的目標(biāo)對(duì)象，常常需要將這些對(duì)象多粒度地分類以進(jìn)行研究或處理，這就需要有效的多粒度社團(tuán)發(fā)現(xiàn)工具，因此復(fù)雜網(wǎng)絡(luò)多粒度社團(tuán)發(fā)現(xiàn)算法的研究具有重要意義。
　　傳統(tǒng)的社團(tuán)發(fā)現(xiàn)算法大多數(shù)基于社團(tuán)無(wú)重疊的假設(shè)，且少有能發(fā)現(xiàn)層次的多粒

2、度社團(tuán)結(jié)構(gòu)的算法，而現(xiàn)有的研究發(fā)現(xiàn)，許多真實(shí)網(wǎng)絡(luò)存在社團(tuán)重疊現(xiàn)象和社團(tuán)層次結(jié)構(gòu)，因此，傳統(tǒng)社團(tuán)發(fā)現(xiàn)算法并不能很好的反映真實(shí)復(fù)雜網(wǎng)絡(luò)的社團(tuán)特征。邊聚簇社團(tuán)發(fā)現(xiàn)算法以邊聚簇為基本聚類方法，能夠發(fā)現(xiàn)有重疊的多粒度社團(tuán)結(jié)構(gòu)。
　　基于邊聚簇算法思想，本文使用四種不同的復(fù)雜網(wǎng)絡(luò)中心性指標(biāo)重新定義算法中的邊相似性，改造算法中的關(guān)鍵聚簇過(guò)程，提出基于中心性的邊聚簇社團(tuán)發(fā)現(xiàn)算法，對(duì)比不同中心性對(duì)應(yīng)的社團(tuán)發(fā)現(xiàn)結(jié)果，發(fā)現(xiàn)基于緊密度中心性的邊聚簇得到最

3、大的分割密度，在互聯(lián)網(wǎng)以及其他類型網(wǎng)絡(luò)上能比原算法更好地發(fā)現(xiàn)社團(tuán)結(jié)構(gòu)。
　　目前針對(duì)互聯(lián)網(wǎng)拓?fù)涞纳鐖F(tuán)結(jié)構(gòu)的研究比較少，網(wǎng)絡(luò)中連接不同社團(tuán)的邊往往是探測(cè)邊頻很大的邊，基于邊聚簇算法思想，本文提出基于路由特征的多粒度社團(tuán)發(fā)現(xiàn)算法，以探測(cè)邊頻為影響因子定義邊相似性，改造算法中的關(guān)鍵聚簇過(guò)程，得到比原算法更高的分割密度。邊介數(shù)有類似于探測(cè)邊頻的性質(zhì)，以邊介數(shù)替代探測(cè)邊頻使該算法可以應(yīng)用在其他類型網(wǎng)絡(luò)中，同樣取得較好的效果。
　　本文