[1]李伟,杨晓峰,张重阳,等.复杂网络社团的投影聚类划分[J].智能系统学报,2011,6(1):57-62.
LI Wei,YANG Xiaofeng,ZHANG Chongyang,et al.A clustering method for community detection on complex networks[J].CAAI Transactions on Intelligent Systems,2011,6(1):57-62.
点击复制
《智能系统学报》[ISSN 1673-4785/CN 23-1538/TP] 卷:
6
期数:
2011年第1期
页码:
57-62
栏目:
学术论文—人工智能基础
出版日期:
2011-02-25
- Title:
-
A clustering method for community detection on complex networks
- 文章编号:
-
1673-4785(2011)01-0057-06
- 作者:
-
李伟,杨晓峰,张重阳,汤可宗,杨静宇
-
南京理工大学 计算机系,江苏 南京 210094
- Author(s):
-
LI Wei, YANG Xiaofeng, ZHANG Chongyang, TANG Kezong, YANG Jingyu
-
Department of Computer Science, Nanjing University of Science and Technology, Nanjing 210094, China
-
- 关键词:
-
复杂网络; 社团划分; 聚类; 主分量分析
- Keywords:
-
complex networks; community detection; cluster; PCA
- 分类号:
-
TP311;TP393;N94
- 文献标志码:
-
A
- 摘要:
-
社团结构划分对研究复杂网络有重要作用,由于该问题的复杂性,复杂网络中的社团划分问题成为近期的一个研究热点.从经典数据分析的角度研究了复杂网络的社团结构,首先依据网络的拓扑信息,将网络节点投影成高维空间的点,使得一个网络对应到高维空间中的一个点分布;接着使用主分量分析方法PCA对高维点分布降维,保留点群分布的主要结构信息;再通过Kmeans聚类结果来推断网络的社团结构.基于2mode数据和1mode网络数据实验表明,该方法可以快速、可靠地找出网络的社团.将经典数据分析的聚类方法应用到网络分析中,验证了该思路的有效性,为网络社团分析提供一个新视角.
- Abstract:
-
Community detection is important for understanding complex networks. Because of its high complexity, community detection in complex networks has recently attracted significant interest from research groups. In this work, a data analysis perspective was proposed for community detection on complex networks. First, based on the network topology, the nodes of the studied network were projected as data points in a highdimensional space, and the network was associated with a data cloud. Second, principal component analysis (PCA) was used to reduce the highdimensional data cloud into a lowdimensional one, which kept the main structural information. Third, Kmeans algorithms were used to find clusters of the data points in the reduced data cloud, which inferred the communities of the studied network. Experiments on datasets DGG (2mode) and Zachary (1mode) indicated that the proposed method can reveal network communities effectively. The proposed method provided a novel perspective of the community detection of complex networks.
备注/Memo
收稿日期:2010-05-24.
基金项目:国家自然科学基金资助项目(60632050,60873151).
通信作者:杨静宇.
E-mail:yangjy@mail.njust.edu.cn.
作者简介:
李伟,男,1978年生,博士.主要研究方向为复杂网络、模式识别、机器学习;杨晓峰,男,1982年生,博士,主要研究方向为网络安全、人工智能;杨静宇,男,1941年生,教授,博士生导师,教育部图像信息处理与智能控制重点实验室学术委员会委员,国际信息处理联合会(IFIP)观察员.主要研究方向为模式识别、智能机器人、智能系统.曾获奖14 项, 其中国家级2项,省部级12 项.发表学术论文300余篇,出版论(译)著7部;杨静宇,男,1941年生,教授,博士生导师,教育部图像信息处理与智能控制重点实验室学术委员会委员,国际信息处理联合会(IFIP)观察员.主要研究方向为模式识别、智能机器人、智能系统.曾获奖14 项, 其中国家级2项,省部级12 项.发表学术论文300余篇,出版论(译)著7部.
更新日期/Last Update:
2011-04-13