非重疊社區(qū)發(fā)現中近鄰傳播算法的研究與應用.pdf

1、復雜社會網絡可以抽象為由大量節(jié)點和節(jié)點之間的聯系組成的拓撲結構，其在眾多領域中廣泛存在。聚類分析作為研究復雜社會網絡的重要手段之一，目的在于發(fā)現其內部的社區(qū)結構，體現其內在屬性，更好地對現實生活進行指導。本文主要針對近鄰傳播算法的執(zhí)行速率較慢、無監(jiān)督的缺點，給出其改進算法，并將近鄰傳播算法運用在增量社區(qū)發(fā)現中。
　　首先，給出基于近鄰傳播的快速半監(jiān)督社區(qū)發(fā)現算法（FSAP算法）。算法在研究近鄰傳播算法(AP算法)的基礎上，根據因子

2、圖模型中信息在節(jié)點間的傳遞規(guī)則，通過將相似度值為0的節(jié)點對直接劃分到不同的簇中而提高時間效率，成為快速近鄰傳播算法（FAP算法）。同時，結合部分Must-link和Cannot-link的成對約束信息，對相似度矩陣進行調整，在新的相似度矩陣上運行FAP算法。相比原始AP算法和其他算法，FSAP算法不僅具有良好的時間效率，而且可以有效利用先驗知識去指導聚類過程，進而提高社區(qū)發(fā)現的準確率。
　　其次，給出基于近鄰傳播的增量社區(qū)發(fā)現算法

3、（IAP算法）。算法在FAP算法的基礎上，根據網絡動態(tài)變化的特點，將增量分為增加邊、刪除邊、增加節(jié)點、刪除節(jié)點四種類型，且給出對應的處理方法。由于算法對網絡變化進行局部更新，一段時間之后可能造成算法結果相比于真實的社區(qū)結構存在失真，給出最小模塊度進行檢測。在動態(tài)社區(qū)發(fā)現中，相比靜態(tài)AP算法對全局網絡結構的更新，IAP算法不僅能夠有效地降低時間復雜度，且能夠保證聚類精度。
　　最后，設計并實現了非重疊社區(qū)發(fā)現算法的原型系統(tǒng)。該系統(tǒng)可