应用Normal矩阵谱平分法的多社团发现

doi:10.3778/j.issn.1002-8331.2010.27.011

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (27): 43-45.DOI: 10.3778/j.issn.1002-8331.2010.27.011

应用Normal矩阵谱平分法的多社团发现

张燕平，王杨，赵姝

安徽大学智能计算与信号处理教育部重点实验室，合肥 230039

收稿日期:2009-03-12 修回日期:2009-05-11 出版日期:2010-09-21 发布日期:2010-09-21
通讯作者: 张燕平

Detecting communities using spectral bisection method based on Normal matrix

ZHANG Yan-ping，WANG Yang，ZHAO Shu

MOE Key Lab of Intelligent Computing & Signal Processing，Anhui University，Hefei 230039，China

Received:2009-03-12 Revised:2009-05-11 Online:2010-09-21 Published:2010-09-21
Contact: ZHANG Yan-ping

摘要/Abstract

摘要：

现实世界中许多实际网络都有一个共同的性质，即社团结构。揭示网络中的社团结构，对于了解网络结构与分析网络性质都是很重要的。分析了常见的社团发现算法的特点，以及谱二分法在实际应用中必须不断迭代才能完成多社团发现的不足，提出了基于Normal矩阵和k-means聚类算法的多社团发现方法。该算法能选择合适的特征向量维数，为k-means划分社团提供有效数据，相比其他算法有着较高的准确率。

关键词: 社团结构, Normal矩阵, 谱平分法, k-means聚类算法

Abstract: Community structure is a common property that exists in complex networks.Detecting communities is important for understanding network structure and analyzing the network characteristics.The characteristics of common community finding algorithm and the drawback of spectral bisection method in application are analyzed.The method of multi-community finding in complex networks using the spectral bisection method based on normal matrix is provided.This algorithm can select the appropriate number of eigenvector dimension and provide effective data for k-means algorithm.Compared to other algorithms this algorithm has higher accuracy.

Key words: community structure, normal matrix, spectral bisection method, k-means algorithm

中图分类号:

TP393

张燕平，王杨，赵姝. 应用Normal矩阵谱平分法的多社团发现[J]. 计算机工程与应用, 2010, 46(27): 43-45.

ZHANG Yan-ping，WANG Yang，ZHAO Shu. Detecting communities using spectral bisection method based on Normal matrix[J]. Computer Engineering and Applications, 2010, 46(27): 43-45.

[1]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[2]	郭永坤，章新友，刘莉萍，丁亮，牛晓录. 优化初始聚类中心的K-means聚类算法[J]. 计算机工程与应用, 2020, 56(15): 172-178.
[3]	董本志，聂丽郦，景维鹏，崔航. 基于Faster R-CNN的榆紫叶甲虫识别方法研究[J]. 计算机工程与应用, 2018, 54(23): 89-93.
[4]	杜文举1，张建刚2，俞建宁1. 复杂公交社团网络模型的稳定性研究[J]. 计算机工程与应用, 2017, 53(23): 39-46.
[5]	杨强，卢罡. 微博社交网络模型的建立及其性质研究[J]. 计算机工程与应用, 2016, 52(12): 42-48.
[6]	闵亮1，邵良杉2，赵永刚1. 基于节点相似度的社团检测[J]. 计算机工程与应用, 2015, 51(9): 77-81.
[7]	董丽丽，董玮，张翔. 利用CUDA提高内存数据聚类效能的研究[J]. 计算机工程与应用, 2015, 51(22): 243-251.
[8]	肖自红. 微分方程在复杂网络社团发现中的研究[J]. 计算机工程与应用, 2012, 48(25): 149-153.
[9]	兰明明，韩华，刘婉璐. 基于社团结构的复杂网络抗毁性测度[J]. 计算机工程与应用, 2012, 48(23): 67-71.
[10]	孔健¹，谢福鼎¹，孙岩¹，赵凤霞². 半监督模式下复杂网络分类的方法[J]. 计算机工程与应用, 2011, 47(4): 47-49.
[11]	丁德武1，吴璞1，2，计博婧1，2，王汝传2. 基于链接聚类的代谢网络社团结构研究[J]. 计算机工程与应用, 2011, 47(34): 141-144.
[12]	任俊亮1，申卯兴1，仝蕊1，高洪星2. 无尺度网络中降低相继故障规模的策略研究[J]. 计算机工程与应用, 2011, 47(33): 82-84.
[13]	黄浩英，马英红. 基于信号传递与层次聚类的社团发现算法[J]. 计算机工程与应用, 2010, 46(9): 51-54.
[14]	付立东^1，2. 半指导的核聚类检测网络社团方法[J]. 计算机工程与应用, 2010, 46(5): 1-3.
[15]	韩华，王娟，王慧. 改进的CNM算法对加权网络社团结构的划分[J]. 计算机工程与应用, 2010, 46(35): 86-89.

应用Normal矩阵谱平分法的多社团发现

Detecting communities using spectral bisection method based on Normal matrix

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics