摘要：从优化模块度的角度出发，引入线图理论，给出线图的硬划分与原图的有重叠划分相对应的理论证明，提出了一...从优化模块度的角度出发，引入线图理论，给出线图的硬划分与原图的有重叠划分相对应的理论证明，提出了一种基于线图与粒子群优化技术的网络重叠社区发现算法（Communities discovery based on line graph and particle swarm optimization，LGPSO），该方法通过粒子群优化（Particle swarm optimization，PSO）算法寻找网络对应线图的最优划分来发现网络重叠社区，实验结果显示，该方法能够在无先验信息的条件下快速有效地揭示网络的重叠社区结构．显示全部
摘要：为了解决多主体系统（MAS）的开放性、动态性和不确定性所带来的主体信任问题,提出一种基于社区发现的信任...为了解决多主体系统（MAS）的开放性、动态性和不确定性所带来的主体信任问题,提出一种基于社区发现的信任评估方法。首先使用G-N算法（GIRVAN M,NEWMAN M E J.Community structure in social and biologicalnetworks.Proceedings of the National Academy of Sciences of the United States of America,2002,99（12）：7821-7826）发现系统中的社区结构;然后根据推荐主体的推荐信任分别计算被评估主体的社区内部、外部声誉,进而结合直接信任形成主体的综合信任度;最后根据协作反馈实现主体信任度的动态调整。仿真实验结果表明,基于社区发现的信任评估方法能有效评估主体信任度,通过引入反馈机制能进一步提高交互成功率。显示全部
摘要：社区结构发现研究可揭示复杂网络中隐藏中观结构,为进一步开展网络的形成和演化研究应用提供依据,如可为智...社区结构发现研究可揭示复杂网络中隐藏中观结构,为进一步开展网络的形成和演化研究应用提供依据,如可为智能推荐、舆情控制、电力和交通网络调度等方面提供决策支持数据。针对复杂网络社区结构挖掘中社区数量难以确定的问题,提出一种基于密度自适应聚类数的社区发现谱方法。引入谱图分析中比较成熟的谱聚类特征向量分析方法,基于局部节点密度构图,结合网络图的边介数值构造相似矩阵,规范化后进行谱聚类,求得最大特征维度k值,k值即为社区个数。最后采用k-means方法对特征向量空间进行聚类,使得复杂网络社区得以呈现。在人工UCI和真实数据集(southern women data)上的实验表明,与现有谱聚类社区发现算法相比,该方法能自动确定社区个数,能得到划分精度更高的社区。显示全部
