科创中国

基于非负矩阵分解的网络重叠社区发现研究

原文链接：万方

• 作者：

  李玉翔,李弼程,郭志刚

• 摘要：

  重叠社区发现已成为复杂网络研究的热点内容.传统基于非负矩阵分解的社区发现方法忽视了特征矩阵选择的重要性,通过模块度优化来确定社区数目导致计算开销大和存在模块度分辨率受限制等问题.针对上述问题,提出了一种基于受叶斯竞验的非负矩阵分解社区发现方法,通过引入贝叶斯非负矩阵分解模垄.实现了对社区数目的有效迭代求解,为了得到节点与社区的隶属关系.采网线性转换函数思想定义了社区隶属度指数.并通过设定合理的划分阈值得到网络重叠社区结构,在不同规模的计算机生成和真实世界网络上进行了测试,并与典型算法进行比较,实验结果表明了该算法的可行性和有效性.

• 关键词：

  复杂网络 重叠社区发现 特征矩阵 贝叶斯非负矩阵分解 隶属度指数

• 作者单位：

  解放军信息工程大学信息系统工程学院,郑州450002

• 基金项目：

  国家863项目(2011AA7032030D)%全军军事研究生课题资助(军事学YJS1062)

• 来源期刊：

  系统仿真学报

• 年，卷(期)：

  201426003