10.3772/j.issn.1002-0470.2013.10.004
GFN:基于“群”思想对Fast-Newman算法改进的复杂网络聚类算法
针对目前复杂网络优化聚类算法目标函数的有偏性影响聚类精度的问题,提出了“群”的概念,实现了对节点在聚类过程中局部信息决策环境的划定.提出了基于“群”概念改进的网络模块性评价函数,并以该函数作为目标函数对Fast-Newman(FN)算法进行了改进.在不同类别数据集上进行的聚类实验的结果表明,基于“群”思想改进的FN算法(GFN)在复杂网络中的聚类精度比FN算法平均提高了约70％,从而验证了“群”思想在揭示真实簇结构过程中的有效性.
复杂网络、聚类算法、群、模块度评价函数、Fast-Newman (FN)算法
23
O4 ;TP2
国家自然科学基金60873241,61170296,61190120;软件开发环境国家重点实验室基金SKLSDE-2012ZX-17;航空科学基金20091951020;新世纪优秀人才支持计划NECT-09-0028;北京市自然科学基金4123101
2013-12-09（万方平台首次上网日期，不代表论文的发表时间）
共8页
1016-1023
