基于并行K--MEANS聚類分析的社群發(fā)現(xiàn)算法研究.pdf

1、復雜網(wǎng)絡(luò)社群發(fā)現(xiàn)算法的研究對于分析復雜網(wǎng)絡(luò)的拓撲結(jié)構(gòu)、理解復雜網(wǎng)絡(luò)的功能、發(fā)現(xiàn)復雜網(wǎng)絡(luò)中的隱藏規(guī)律和預測復雜網(wǎng)絡(luò)的行為不僅有十分重要的理論意義，而且有廣闊的應(yīng)用前景。目前已經(jīng)廣泛應(yīng)用于恐怖組織識別與組織結(jié)構(gòu)管理等社會網(wǎng)絡(luò)分析中。
　　近年來，復雜網(wǎng)絡(luò)的社群發(fā)現(xiàn)問題受到了廣泛的關(guān)注，涌現(xiàn)出很多新穎的算法。但是，目前的社群發(fā)現(xiàn)算法存在劃分效果較好的算法時間復雜度過高、劃分速度快的算法劃分質(zhì)量不佳等問題。本文針對K-Means算法的一些

2、缺點，結(jié)合其它算法的特點，加入增益函數(shù)的使用，在事先不確定k值的情況下，以最遠距離為原則選擇簇類中心，以最近距離為原則選擇簇中元素，以此提高算法的劃分精度，然后結(jié)合GPU并行化技術(shù)，將串行結(jié)構(gòu)的K-Means算法改造成基于GPU并行的K-Means算法，提高算法的效率，最后使用NIVIDA的CUDA作為運算平臺進行并行算法的實現(xiàn)。當應(yīng)用到實際的復雜網(wǎng)絡(luò)社群發(fā)現(xiàn)中時，則利用關(guān)聯(lián)度原則對該算法進行相應(yīng)的改進，并使用相關(guān)網(wǎng)絡(luò)數(shù)據(jù)集對串行結(jié)構(gòu)和