基于模糊聚类的社团划分算法

摘要

目前大多数的社团划分算法将网络划分为若干个相互独立的社团,但是对于某些实际网络,社团与社团之间不是相互独立的,即某些社团之间存在公共节点,大多数的社团划分算法无法对这类实际网络进行合理的社团划分.针对该问题,提出一种基于节点间共享邻居数的隶属函数,结合模糊聚类算法进行社团划分,即设置合理的截集阈值α,将位于同一个等价类内的节点划分到同一社团.在GN经典人造网和空手道俱乐部网络、海豚网络上进行测试的结果表明,对社团结构已知的网络划分结果符合实际情况,在对海豚网络进行社团划分时,与Newman快速算法、利用堆结构的贪婪算法、标签传播算法相比,该算法得到的模块度更高,并且能够更好地检测出实际网络中的公共节点.