非重疊社區(qū)發(fā)現(xiàn)中近鄰傳播算法的研究與應(yīng)用.pdf

1、復(fù)雜社會(huì)網(wǎng)絡(luò)可以抽象為由大量節(jié)點(diǎn)和節(jié)點(diǎn)之間的聯(lián)系組成的拓?fù)浣Y(jié)構(gòu)，其在眾多領(lǐng)域中廣泛存在。聚類分析作為研究復(fù)雜社會(huì)網(wǎng)絡(luò)的重要手段之一，目的在于發(fā)現(xiàn)其內(nèi)部的社區(qū)結(jié)構(gòu)，體現(xiàn)其內(nèi)在屬性，更好地對(duì)現(xiàn)實(shí)生活進(jìn)行指導(dǎo)。本文主要針對(duì)近鄰傳播算法的執(zhí)行速率較慢、無(wú)監(jiān)督的缺點(diǎn)，給出其改進(jìn)算法，并將近鄰傳播算法運(yùn)用在增量社區(qū)發(fā)現(xiàn)中。
　　首先，給出基于近鄰傳播的快速半監(jiān)督社區(qū)發(fā)現(xiàn)算法（FSAP算法）。算法在研究近鄰傳播算法(AP算法)的基礎(chǔ)上，根據(jù)因子

2、圖模型中信息在節(jié)點(diǎn)間的傳遞規(guī)則，通過(guò)將相似度值為0的節(jié)點(diǎn)對(duì)直接劃分到不同的簇中而提高時(shí)間效率，成為快速近鄰傳播算法（FAP算法）。同時(shí)，結(jié)合部分Must-link和Cannot-link的成對(duì)約束信息，對(duì)相似度矩陣進(jìn)行調(diào)整，在新的相似度矩陣上運(yùn)行FAP算法。相比原始AP算法和其他算法，F(xiàn)SAP算法不僅具有良好的時(shí)間效率，而且可以有效利用先驗(yàn)知識(shí)去指導(dǎo)聚類過(guò)程，進(jìn)而提高社區(qū)發(fā)現(xiàn)的準(zhǔn)確率。
　　其次，給出基于近鄰傳播的增量社區(qū)發(fā)現(xiàn)算法

3、（IAP算法）。算法在FAP算法的基礎(chǔ)上，根據(jù)網(wǎng)絡(luò)動(dòng)態(tài)變化的特點(diǎn)，將增量分為增加邊、刪除邊、增加節(jié)點(diǎn)、刪除節(jié)點(diǎn)四種類型，且給出對(duì)應(yīng)的處理方法。由于算法對(duì)網(wǎng)絡(luò)變化進(jìn)行局部更新，一段時(shí)間之后可能造成算法結(jié)果相比于真實(shí)的社區(qū)結(jié)構(gòu)存在失真，給出最小模塊度進(jìn)行檢測(cè)。在動(dòng)態(tài)社區(qū)發(fā)現(xiàn)中，相比靜態(tài)AP算法對(duì)全局網(wǎng)絡(luò)結(jié)構(gòu)的更新，IAP算法不僅能夠有效地降低時(shí)間復(fù)雜度，且能夠保證聚類精度。
　　最后，設(shè)計(jì)并實(shí)現(xiàn)了非重疊社區(qū)發(fā)現(xiàn)算法的原型系統(tǒng)。該系統(tǒng)可