基于聚集系數(shù)的聚類算法在復(fù)雜網(wǎng)絡(luò)中的應(yīng)用研究.pdf

1、社團(tuán)發(fā)現(xiàn)是復(fù)雜網(wǎng)絡(luò)分析中一個重要的研究領(lǐng)域，其本質(zhì)上屬于數(shù)據(jù)挖掘技術(shù)中的聚類。聚類的目的是將較為相似的數(shù)據(jù)點聚集成簇，而在現(xiàn)實生活中存在的復(fù)雜網(wǎng)絡(luò)也是因為相似性而被劃分為若干個社團(tuán)。在眾多衡量網(wǎng)絡(luò)中各節(jié)點之間相似性的方法中，聚集系數(shù)是最為常用的一種方法。本課題提出兩個聚類算法用于發(fā)現(xiàn)復(fù)雜網(wǎng)絡(luò)中的社團(tuán)，這兩個算法都是依據(jù)聚集系數(shù)衡量網(wǎng)絡(luò)中節(jié)點的相似度。這兩個算法是：
　　1)一個新的動態(tài)聚類算法用于一般復(fù)雜網(wǎng)絡(luò)中的社團(tuán)發(fā)現(xiàn)。該算法采

2、用兩種網(wǎng)絡(luò)拓?fù)涮匦?，聚類特性與中心特性，對網(wǎng)絡(luò)進(jìn)行分析。聚類特性用于衡量網(wǎng)絡(luò)中各有邊相連節(jié)點之間在拓?fù)浣Y(jié)構(gòu)上的相似性，而中心特性用于確定各個簇的中心點。通過對每個節(jié)點進(jìn)行迭代重定位，將相似的節(jié)點組合成簇。各個節(jié)點的歸屬主要是依據(jù)其對于各個簇中關(guān)鍵節(jié)點的相似性。實驗證明，本課題提出的算法能夠精確地發(fā)現(xiàn)現(xiàn)實網(wǎng)絡(luò)中存在的社團(tuán)，而且具有較低的時間復(fù)雜度。
　　2)一個基于密度的聚類算法用于從蛋白質(zhì)相互作用網(wǎng)絡(luò)中識別出復(fù)合物。首先，采用一種