文献类型：期刊文章

作　　者：陆亿红[1] 张振宁[1] 杨雄[1,2]

机构地区：[1]浙江工业大学计算机学院,杭州310023 [2]常州工学院计算机信息工程学院通信工程系,常州213002

出　　处：《计算机科学》

基　　金：水利部公益性行业科研专项(201401044);常州市科技计划项目(CJ20159013)资助

年　　份：2017

卷　　号：44

期　　号：S1

起止页码：419-423

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：社团结构是复杂网络的一种很普遍且非常重要的拓扑特征,社团的发现有助于了解复杂网络的结构和功能。节点间相似度的评价指标对于社团发现的结果起着至关重要的作用,传统算法中使用的相似度指标存在着时间复杂度过高和不够精确的缺陷。为了弥补这两个缺陷,在信息传递理论的基础上将网络中的节点抽象成了多维数据集,结合传统聚类算法K-means提出了一种社团发现的新算法。基于Zachary Karate Club网络、Jazz Musician网络和Facebook网络的实验结果表明,该算法是高效且准确的。

关 键 词：复杂网络 社团结构 信息传递理论  特征向量

分 类 号：O157.5[数学类] TP301.6]