基于等价类的社团检测算法研究

发布时间：2021-07-08 08:19

　　社团结构是复杂网络的重要特征之一,在同一个社团内的顶点之间连接紧密,而不同社团之间连接相对稀疏。社团结构通常与网络中潜在的功能和组织特征联系在一起,例如新陈代谢网络中的生化过程,科学家合著网络中科学家的研究领域,WWW网络中具有相同主题的网页组或社交网络中真实的社会群体等等。社团检测对于理解与改善不同类型的复杂系统具有重要意义。此外,社团结构可以从结构层面展示网络的不同性质,并描述网络的结构和功能或组织结构之间的关系。因此,社团检测具有重要的理论意义和实践应用价值,受到研究人员的广泛关注,并提出了大量的社团检测算法。本文在对现有的社团检测算法进行了深入研究的基础上,提出了一种基于等价类的非重叠社团检测方法DEC（Disjoint community detection via Equivalence Classes）和一种基于等价类的重叠社团检测方法OEC（Overlapping community detection via Equivalence Classes）。（1）基于等价类的非重叠社团检测方法DEC:该方法是基于顶点的等价类而提出的确定性的非重叠社团检测方法。DEC方法首先... 

【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

互联网网络结构图

【参考文献】：
期刊论文
[1]基于链接密度聚类的重叠社区发现算法[J]. 朱牧,孟凡荣,周勇.  计算机研究与发展. 2013(12)



本文编号：3271204