非负矩阵分解的复杂网络社团检测方法  

Detecting communities in complex networks with nonnegative matrix factorization

作　　者：付立东[1,2] 

机构地区：[1]西安科技大学计算机学院,陕西西安710054 [2]西安电子科技大学计算机学院,陕西西安710071

出　　处：《计算机工程与设计》2010年第11期2449-2451,共3页Computer Engineering and Design

基　　金：国家自然科学基金项目(60933009;60702063);教育部高校博士点基金项目(200807010013)

摘　　要：为有效地检测复杂网络中的社团结构,优化了评估与发现社团的模块密度函数(即D值)。通过模块密度的优化进程,证明了模块函数的最大化与非负矩阵分解目标函数(SNMF)的等价性。基于这种等价性,设计了一种新的基于模块密度函SNMF算法,并且讨论了该算法的复杂性。在一个经典的计算机产生的随机网络中检验了该算法,特别地,当社团结构变模糊时,实验结果表明该算法在发现复杂网络社团上是有效的。To detect community structure in complex networks,modularity density function（D value） is optimized,by optimizing process,an equivalence of the objective functions of the symmetric nonnegative matrix factorization（SNMF） and the maximum optimization of modularity density is proved.Based on this equivalence,a new SNMF algorithm is developed,its computational complexity is also discussed.The algorithm is illustrated and compared with SNMF clustering based on modularity（Q） by using a classic computer generated networks.Experimental results show the significance of the proposed approach,particularly,when community structure is obscure.

关 键 词：复杂网络 社团结构 模块密度 核k方法 非负矩阵分解 

分 类 号：TP399[自动化与计算机技术—计算机应用技术]