一種加權(quán)稠密子圖社區(qū)發(fā)現(xiàn)算法

　　 目前，針對(duì)復(fù)雜網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)算法大多僅根據(jù)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)來確定社區(qū)，然而現(xiàn)實(shí)復(fù)雜網(wǎng)絡(luò)中的邊可能帶有表示連接緊密程度或者可信度意義的權(quán)重，這些先驗(yàn)信息對(duì)社區(qū)發(fā)現(xiàn)的準(zhǔn)確性至關(guān)重要．針對(duì)該問題，提出了基于加權(quán)稠密子圖的重疊聚類算法（overlap community detection on weighted networks，簡稱OCDW）．首先，綜合考慮網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)及真實(shí)網(wǎng)絡(luò)中邊權(quán)重的影響。給出了一種網(wǎng)絡(luò)中邊的權(quán)重定義方法：進(jìn)而給出種子節(jié)點(diǎn)選取方式和權(quán)重更新策略；最終得到聚類結(jié)果．OCDW算法在無權(quán)網(wǎng)絡(luò)和加權(quán)網(wǎng)絡(luò)都適用，通過與一些經(jīng)典的社區(qū)發(fā)現(xiàn)算法在9個(gè)真實(shí)網(wǎng)絡(luò)數(shù)據(jù)集上進(jìn)行分析比較。結(jié)果表明算法OCDW在F度量、準(zhǔn)確度、分離度、標(biāo)準(zhǔn)互信息、調(diào)整蘭德系數(shù)、模塊性及運(yùn)行時(shí)間等方面均表現(xiàn)出較好的性能。