论文研究 复杂网络健壮社团挖掘算法.pdf

复杂网络社团划分算法： 包括EO，快速算法等7-8种算法，还有响应的网络数据转换工具，用于算法对比非常方便

复杂网络社团发现算法，对于研究复杂网络及复杂网络社团特性的同学，进行聚类分析识别社团结构有较大的参考价值。

复杂网络社团发现算法研究新进展.pdf

一种新的复杂网络层次社团发现算法，张剑，，网络结构广泛存在于自然界和人们的现实生活之中，近来研究表明复杂网络呈现出层次社团结构，网络中节点被分成社团，社团又可以划

根据网络节点的局部拓扑信息构建稀疏相似网络。基于稀疏相似网络,提出了一种改进后的随机聚类采样算法对网络社团进行探测。在人工和真实网络上,将算法与未改进的随机聚类采样算法以及几种典型的社团探测算法进行了

基于离散粒子群算法的复杂网络重叠社团检测，陈国强，王宇平，通过分析复杂网络重叠社团检测问题,提出了衡量重叠社团划分优劣的评判函数,并基于该函数提出一种基于混沌量子粒子群优化的复杂网�

基于社团的网络演化算法研究，周真争，马杰良，针对社会网络演化的复杂性,提出将社团作为演化的基本单位进行演化的算法。根据社团内部节点间存在的层级关系确定节点重要性，并��

社团结构是复杂网络最普遍和最重要的属性之一，复杂网络的社团区划研究就是要合理地划分出复杂网络中真实存在的社团结构。主要将超网络的思想及理论方法应用于复杂网络的社团区划研究，针对当前GN算法的一些不足，

复杂网络健壮社团挖掘算法，靳二辉，马小科，提出了一种基于贝叶斯网络的健壮社团挖掘算法，通过对每个普通社团分别构建贝叶斯网络，并根据条件概率表和证据信息进行推理，得

以单词为网络节点，由自然语言描述中单词的同现频率确定单词间的相关度并作为边的权值，构建自然语言描述集合的加权单词网络模型。利用Newman快速算法对加权单词网络模型进行社团划分，得到单词聚类结果；根据

针对已有分裂算法时间复杂度较高，不适用于社团数目未知的大型网络等问题，借鉴电压谱分割算法和GN算法的思想，提出以扩散距离为分割依据，以模块度函数为社团结构划分满意度的快速分裂算法。实验结果表明，与已有

提出了一种基于Kmeans 聚类算法的复杂网络社团结构划分方法。算法基于Fortunato等人提出的边的信息中心度，定义了节点的关联度，并通过节点关联度矩阵来进行聚类中心的选择和节点聚类，从而将复杂

提出了一种基于贝叶斯网络的健壮社团挖掘算法，通过对每个普通社团分别构建贝叶斯网络，并根据条件概率表和证据信息进行推理，得到贝叶斯网络中每个节点隶属于健壮社团的后验概率以提取健壮社团。实验结果证明了该方

为了准确、快速地发现大规模复杂网络中的局部社区，提出了一种基于节点接近度的局部社区发现算法。该算法以最大度节点作为起始节点，利用节点接近度和局部社区Q值不断搜索其邻居节点，将接近度最大的节点加入初始社

基于改进LPA的重叠社团挖掘算法研究，于磊，胡铮，当今时代人与人之间的关系愈加密切，社交和关系网络中存在各种各样的大规模社团，对这些社团进行挖掘分析对于揭示网络特性具有重