基于局部模塊度的動態(tài)社團(tuán)檢測算法.pdf

1、隨時間緩慢變化的復(fù)雜系統(tǒng)可以建模為抽象的動態(tài)網(wǎng)絡(luò)。由于動態(tài)網(wǎng)絡(luò)在社會學(xué)、生物信息學(xué)、物理、計(jì)算機(jī)等研究領(lǐng)域有廣泛應(yīng)用，越來越受到科研工作者的重視。近幾年動態(tài)網(wǎng)絡(luò)成為科研熱門領(lǐng)域，具有實(shí)際意義的動態(tài)社團(tuán)結(jié)構(gòu)是動態(tài)網(wǎng)絡(luò)中普遍而又重要的特征。
　　當(dāng)前動態(tài)社團(tuán)檢測算法仍主要基于靜態(tài)檢測方法的相關(guān)理論基礎(chǔ)?；跇O大化Q函數(shù)的動態(tài)社團(tuán)檢測算法存在分辨率問題，即為了獲得更優(yōu)的模塊度值小社團(tuán)常被合并為大社團(tuán)。另一方面，很多動態(tài)社團(tuán)檢測算法需要設(shè)

2、置多個參數(shù)或閾值，這就要求對網(wǎng)絡(luò)有一定的先驗(yàn)知識或需要借助Q函數(shù)對結(jié)果進(jìn)行判定。而且，已有的動態(tài)社團(tuán)檢測算法不能識別出如社團(tuán)間的重疊結(jié)構(gòu)等重要拓?fù)涮卣鳌榻鉀Q上述問題，本文提出了一種基于進(jìn)化聚類和局部模塊度的重疊結(jié)構(gòu)動態(tài)社團(tuán)檢測算法?；诰植磕K度的社團(tuán)檢測方法，將整個網(wǎng)絡(luò)的社團(tuán)檢測問題轉(zhuǎn)化為自底向上的凝聚問題，能適應(yīng)網(wǎng)絡(luò)中規(guī)模不等、密度不均的社團(tuán)結(jié)構(gòu)。通過統(tǒng)計(jì)節(jié)點(diǎn)隨機(jī)游走行為特征，增強(qiáng)無權(quán)網(wǎng)絡(luò)的分辨率，并使用進(jìn)化聚類框架下的時序開銷嵌

3、入技術(shù)來平衡當(dāng)前社團(tuán)的拓?fù)涮卣髋c歷史信息，從而檢測出社團(tuán)演化的動態(tài)規(guī)律。該算法僅在進(jìn)化聚類過程中對平衡因子進(jìn)行設(shè)置，無需領(lǐng)域先驗(yàn)知識。
　　本文使用真實(shí)網(wǎng)絡(luò)數(shù)據(jù)對該動態(tài)網(wǎng)絡(luò)社團(tuán)檢測算法進(jìn)行評估，包括Drosophila melanogaster數(shù)據(jù)集和科學(xué)家合作網(wǎng)絡(luò)（DBLP）數(shù)據(jù)集。實(shí)驗(yàn)結(jié)果表明，基于進(jìn)化聚類框架和局部模塊度的動態(tài)社團(tuán)檢測算法與基于進(jìn)化和局部優(yōu)先的算法相比，擴(kuò)展模塊性指標(biāo)提高了15％，顯著提高了Drosophil