进化谱分算法检测动态网络社团结构  

Evolutionary spectral approach to finding communities in dynamic networks

作　　者：付立冬 马小科[2] 聂靖靖 FU Lidong;MA Xiaoke;NIE Jingjing(The School of Computer,Xi’an Univ.of Science and Technology,Xi’an 710054,China;School of Computer Science and Technology,Xiclian Univ.,Xi'an 710071,China)

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：《西安电子科技大学学报》2018年第2期43-47,53,共6页Journal of Xidian University

基　　金：国家自然科学基金资助项目(61502363;61672406);陕西省自然科学基金资助项目(2016JQ6044);中央高校基本科研业务费专项资金资助项目(JB160306;BDY181417);陕西省教育厅科学研究计划重点资助项目(16JZ040)

摘　　要：为有效地检测动态复杂网络中的社团结构,在进化时间平滑框架下对模块函数及模块密度函数进行了优化.通过两种函数的优化进程,论证了模块函数及模块密度函数可在进化框架下作为进化谱分聚类方法检测动态网络中社团结构的理论基础,在此理论基础上提出了检测动态网络社团结构的进化谱分算法.在计算机合成的动态网络及真实世界动态网络中,检验了该算法的合理性及准确性并与其他方法进行了比较.实验结果显示,这种新的算法仍有很高的准确性.To effectively detect community structure in dynamic complex networks,modularity and modularity density functions arc optimized under the evolutionary framework.By optimizing these two functions,we prove that optimizing these two functions can be reformulated as an evolutionary spectral optimization problem,and novel evolutionary spectral clustering algorithms arc proposed.Compared to state-of-the-art approaches,the proposed algorithms arc more accurate for both the simulated networks and real world dynamic networks.

关 键 词：动态网络 社团结构 模块函数 模块密度 进化谱分 

分 类 号：TP399[自动化与计算机技术—计算机应用技术]