模块度增量与局部模块度引导下的社区发现算法

作者： 刘明阳 ¹ 张曦煌 ¹
作者单位：

1. 江南大学物联网工程学院
提交时间：2018-04-19 15:36:14

摘要: 社区结构是复杂网络的重要特性之一，基于层次聚类的社区发现算法很好地利用了模块度来挖掘网络中的社区结构，但其局限性也导致算法对社区结构复杂的网络划分不够准确、无法发现小于一定规模的社区。在层次聚类的基础上，提出引入局部模块度来弥补模块度在划分社区时的不足，避免可能出现的划分不合理情况。通过真实数据集和人工网络进行了验证，实验结果证明，该算法具有可行性与有效性。

复杂网络社区发现层次聚类模块度增量局部模块度

期刊： 计算机应用研究
分类： 计算机科学 >> 计算机科学的集成理论
引用： ChinaXiv:201804.02045 (或此版本 ChinaXiv:201804.02045V1)
DOI:10.12074/201804.02045V1
CSTR:32003.36.ChinaXiv.201804.02045.V1
推荐引用方式： 刘明阳,张曦煌.(2018).模块度增量与局部模块度引导下的社区发现算法.计算机应用研究.[ChinaXiv:201804.02045] (点此复制)

版本历史

[V1]

2018-04-19 15:36:14

ChinaXiv:201804.02045V1

下载全文

相关论文推荐

1. Turing’s thinking machine and ’t Hooft’s principle of superposition of states	2024-05-14
2. 恶意代码SCMP分类方法框架与风险行为多标签机制	2024-05-09
3. Brief Discussion on Scenes and Strategies in Capital Markets Manipulation Detection: From Influence Diffusion Perspectives	2024-04-24
4. Guiding Large Language Models to Generate Computer-Parsable Content	2024-04-23
5. SteganoDDPM: A high-quality image steganography self-learning method using diffusion model	2024-04-23
6. 引导大语言模型生成计算机可解析内容	2024-04-21
7. 基于大语言模型的中英文整合复杂性建模研究	2024-04-10
8. 大模型与标准文献知识库的融合应用探索	2024-04-10
9. 简体中文LIWC2024(SCLIWC2024)词典的修订与验证	2024-04-09
10. Multimodal Physical Fitness Monitoring (PFM) Framework Based on TimeMAE-PFM in Wearable Scenarios	2024-04-07


公开评论匿名评论仅发给作者