论文摘要
社区结构是复杂网络最重要的一种结构特征。复杂网络中的社区结构研究主要包括社区发现与关键节点发掘两个重要问题。基于节点中心性的社区发现算法可同时进行关键节点发掘与社区发现。针对传统局部Fiedler向量中心性(LFVC)算法存在关键节点识别准确率低,进行社区发现时易出现孤立节点等问题,提出了节点局部Fiedler向量中心性差值社区发现算法(CDDN),设计了新的关键节点识别与边移除策略,并分析了算法性能。选择3种具有代表性的社区发现算法分别在4个真实复杂网络数据集上进行对比实验。实验结果表明,改进的算法既保持了局部中心性度量方法的效率,也防止了错误识别关键节点和关键边对划分结果的负面影响,避免了孤立点所带来的社区结构信息损失,能够快速、准确地发现真实社区。
论文目录
文章来源
类型: 期刊论文
作者: 凤丽洲,覃悦,杨贵军
关键词: 复杂网络,社区发现,关键节点发掘,中心性,图分割算法
来源: 计算机科学与探索 2019年12期
年度: 2019
分类: 信息科技,基础科学
专业: 数学
单位: 天津财经大学统计学院
基金: 国家社会科学基金No.18CTJ008,天津市自然科学基金No.18JCQNJC69600,国家自然科学基金No.11471239,全国统计科学研究重点项目Nos.2017LZ05,2017LZ25,全国统计科学研究项目No.2018LY50,天津市科技发展战略研究计划项目No.17ZLZXZF00080~~
分类号: O157.5
页码: 2029-2042
总页数: 14
文件大小: 4376K
下载量: 116