基于中心點擴張的社團檢測算法研究.pdf

1、現實生活中的很多復雜系統(tǒng)都已被抽象成為復雜網絡來進行研究。隨著各種復雜系統(tǒng)的數據量持續(xù)攀升，未來將會有更多的復雜系統(tǒng)加入到復雜網絡的行列。復雜網絡最為典型的特征就是社團結構，社團對應的是復雜網絡中的單元結構。社團檢測的目的就是準確地發(fā)掘復雜網絡中的社團單元結構。成功的社團檢測能夠指導我們揭示出復雜網絡內部深層次的規(guī)律，對復雜網絡進行社團檢測研究具有重要的現實意義。
　　許多社團檢測算法已經被提出，這些算法基本可以歸類為基于模塊度優(yōu)

2、化的社團檢測算法、基于標簽傳播的社團檢測算法、基于層次聚類的社團檢測算法、基于中心點擴張的社團檢測算法和基于密度的社團檢測算法。為了更精確地檢測出社團結構，本文深入研究了上述算法，并著重對中心點擴張算法進行了改進。本文主要改善了由于選取的中心點太少而導致社團檢測效果不佳，選點經常不能覆蓋所有社團，同時時間復雜度較高，未對重疊節(jié)點處理以及沒有從全局的角度考慮中心點的選取等問題。本文首先提出了基于全局密度影響的中心點擴張社團檢測算法(Den

3、ISeC)。DenISeC從網絡的全局角度出發(fā)，計算每個節(jié)點從網絡中移除后的網絡所有節(jié)點的密度之和變化，將其作為節(jié)點對網絡的密度影響值，將密度影響值超過一定閾值的節(jié)點視為中心點，將中心點組成的初始社團當作核心社團。依據節(jié)點與核心社團的相似性將網絡中的其他節(jié)點按照層次劃分到各個社團中。然而，DenISeC的準確率依舊有待提高，針對這一問題，本文提出了基于密度層次的中心點擴張社團檢測算法(DenSeC)。DenSeC算法將度數最小的節(jié)點當作

4、每個社團的邊緣點，從邊緣點出發(fā)遞歸地找出邊緣點鄰域內密度最大且高于當前節(jié)點密度的點，遞歸停止時到達的節(jié)點就是核心點。核心點組成的初始社團被當作網絡的核心社團。網絡中其他的節(jié)點將根據節(jié)點與核心社團的相似性劃分到各個初始社團中。
　　本文提出的算法在多個數據集上與參照算法對比了社團檢測效果，實驗結果表明DenSeC算法提高了中心點擴張算法在各個網絡上的準確率，DenISeC算法更加合理地選中了復雜網絡中的中心點，并且在時間復雜度上有所