%0 Journal Article
%T 基于密度峰值和社区归属度的重叠社区发现算法
%A 张瑛瑛
%A 彭胜波
%A 郭昆
%A 陈羽中
%J 中山大学学报（自然科学版）
%D 2019
%X 摘要 现实世界中,网络节点通常会隶属于多个重叠社区,例如社交网络、文献引用网络等.因此,重叠社区发现在复杂网络分析中具有重要意义,如何高效准确地识别网络中的重叠社区是社区发现研究的难点.提出一种基于密度峰值和社区归属度的重叠社区发现算法.首先,提出一种基于节点直接邻居和间接邻居的节点间距离度量方法.其次,给出密度峰值聚类算法簇中心的局部密度阈值和跟随距离阈值计算方法,根据这两个阈值自动选取簇中心.最后,把密度峰值聚类算法应用到社区发现中,并给出社区归属度的计算方法,根据社区归属度对社区边界节点进行社区归属划分.在人工数据集和真实数据集上的实验表明:该算法能够准确的识别重叠社区结构,且具近似线性的时间复杂度,适用于大规模复杂网络
%K 重叠社区
%K 密度峰值
%K 节点间距离
%K 簇中心自动选取
%K 社区归属度
%U http://xwxt.sict.ac.cn/CN/abstract/abstract4970.shtml