复杂网络模糊重叠社区结构自动检测仿真

摘要

研究一种有效的模糊重叠社区结构自动检测方法,能够缩短检测的平均执行时间,提高检测率,具备一定的使用性.针对当前检测方法在应用过程中,由于模糊重叠社区结构量较大导致社区结构检测存在准确率较低、漏检率较高、检测时间较长等问题,提出一种基于二阶段聚类的模糊重叠社区结构检测方法,利用复杂网络拓扑结构构建模糊重叠社区结构数据采集模型;利用一趟聚类算法对该模型中的模糊重叠节点进行自动划分,确认聚类中心和复杂网络中的重叠社区结构数目,利用模糊C聚类算法计算模糊模块度,将该模块度作为目标函数,多次迭代后,输出复杂网络模糊重叠社区结构,实现了复杂网络模糊重叠社区结构自动检测.通过实验证明,所提方法能够有效减少平均迭代次数,缩短平均执行时间,降低漏检率,保证准确率.