复杂网络模糊重叠社区检测研究进展

发布时间：2024-11-02 02:12

　　 模糊重叠社区检测通过扩展隶属度取值空间,实现了重叠节点与社区之间复杂且模糊隶属关系的精确化测量,不仅能够有效提升重叠社区结构检测的精确性,而且能够深度挖掘出节点和社区的重叠特性。文中首先分析了模糊重叠社区检测与传统离散重叠社区检测的关系;然后对二者的国内外相关研究现状进行阐述和分析,其中在模糊重叠社区检测方法研究中根据模糊隶属度获取方式的不同将当前相关研究分为扩展标签传播、非负矩阵分解、基于边界节点的两阶段检测、模糊聚类、模糊模块度优化五大类进行综述,重点分析了基于进化算法的模糊模块度优化方法;最后对模糊重叠社区检测研究未来的发展趋势进行了分析和展望。

【文章页数】：22 页

【文章目录】：
0 引言
1 相关基本概念
    1.1 模糊重叠社区检测定义
    1.2 模糊重叠社区检测数学模型
    1.3 模糊重叠社区检测功能性说明
        1.3.1 获得重叠节点及完整社区隶属度分布
        1.3.2 精细化测量重叠节点的重叠程度差异
        1.3.3 定量测量社区重叠程度及重叠节点重要性
        1.3.4 反映重叠节点的连边强度差异
2 离散重叠社区检测方法及性能分析
    2.1 派系过滤
    2.2 链接划分
    2.3 局部扩展
    2.4 标签传播
    2.5 模块度优化
    2.6 多目标优化
3 模糊重叠社区检测方法及性能分析
    3.1 基于扩展标签传播的模糊重叠社区检测
    3.2 基于非负矩阵分解的模糊重叠社区检测
    3.3 基于边界节点的两阶段模糊重叠社区检测
    3.4 基于模糊聚类的模糊重叠社区检测
    3.5 基于模糊模块度优化的模糊重叠社区检测
    3.6 模糊重叠社区检测方法性能分析
4 基于EAs的模糊模块度优化模糊重叠社区检测
    4.1 基于EAs的模糊模块度优化方法框架
        1) 非重叠社区检测性能测试
        2) 重叠社区检测性能测试
    4.2 基于EAs的模糊模块度优化关键技术及挑战
        4.2.1 个体隶属度编码问题
        4.2.2 社区个数最优设置问题
        4.2.3 模糊模块度函数设计问题
        4.2.4 模糊隶属度阈值设置问题
        4.2.5 模糊重叠社区划分评价问题
        4.2.6 EAs全局最优化性能问题
5 研究趋势分析
    5.1 模糊模块度优化的扩展
    5.2 大规模网络数据处理中精度与效率的平衡
    5.3 网络属性信息的利用与社区属性的体现
    5.4 模糊重叠社区结构的动态演化更新
6 结语



本文编号：4008857