基于線圖的復(fù)雜網(wǎng)絡(luò)重疊社團(tuán)發(fā)現(xiàn)算法研究.pdf

1、在重疊社團(tuán)發(fā)現(xiàn)算法中，基于線圖的重疊社團(tuán)發(fā)現(xiàn)算法是最近幾年興起的比較新的領(lǐng)域，具有廣闊的研究前景，線圖是將邊看作研究對(duì)象來發(fā)現(xiàn)復(fù)雜網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)的一種方法，線圖的最大優(yōu)勢(shì)就是可以利用非重疊社團(tuán)發(fā)現(xiàn)算法發(fā)現(xiàn)重疊社團(tuán)結(jié)構(gòu)。本文就是基于線圖提出了一種重疊社團(tuán)發(fā)現(xiàn)算法。
　　在真實(shí)世界中，很多復(fù)雜網(wǎng)絡(luò)的社團(tuán)個(gè)數(shù)是未知的，這使得一些依賴于社團(tuán)個(gè)數(shù)先驗(yàn)知識(shí)的算法無法使用。因此，本文將基于拉普拉斯矩陣的Jordan型圖特征分析應(yīng)用到線圖中，來獲取

2、線圖社團(tuán)個(gè)數(shù)的先驗(yàn)知識(shí)。然后，將基于拉普拉斯矩陣的譜聚類應(yīng)用到線圖中，通過拉普拉斯矩陣的特征向量將網(wǎng)絡(luò)中的邊映射到歐氏空間，歐氏空間中每個(gè)特征向量分量中的元素對(duì)應(yīng)了線圖中的節(jié)點(diǎn)，并且選擇其中的兩列構(gòu)成特征向量空間，同時(shí)計(jì)算特征向量之間的相似度。最后，有了社團(tuán)個(gè)數(shù)先驗(yàn)知識(shí)的支撐與鋪墊，一方面選擇K-means聚類算法對(duì)特征向量進(jìn)行聚類來確定社團(tuán)的劃分結(jié)果，既利用了K-means算法簡(jiǎn)單快速的優(yōu)點(diǎn)，又符合K-means算法依賴社團(tuán)個(gè)數(shù)先驗(yàn)知