基于均值漂移图聚类的复杂网络社区发现方法

摘要

现今图聚类复杂网络社区发现方法主要关注于网络拓扑结构,没有考虑节点间的属性相似性.利用结构和属性相似性融合,结合距离函数的间接连接路径,实现对均值漂移图聚类的优化.最后,利用真实复杂网络数据集对所提方法进行分析.实验结果表明,所提方法较其他社区发现方法更高效准确,且适用于大规模复杂网络数据集.