基于模块性的检测簇结构的图聚类算法研究

摘要 从大规模的复杂网络中挖掘重要的簇结构已经成为当今研究的热点之一.对复杂网络中基于密度和模块性的图聚类算法中的边权重定义、种子选择与扩展等问题进行了研究，提出一种检测复杂网络中稠密簇结构的局部模块性图聚类算法LMC.算法首先对网络中的边权重和子图的模块性进行定义，然后选择权重最大的边作为聚类“种子边”，最后对种子边进行扩展进而得到新簇.采用计算机构造数据和蛋白质作用网络数据对基于局部模块性的图聚类算法LMC进行实验.结果表明，算法LMC相较于其它聚类算法在检测复杂网络中相对稠密的簇结构的性能较好