基于拉普拉斯图谱和K均值的多社团发现方法

分析了常见的社团发现算法的特点,以及谱二分法在实际应用中必须不断迭代才能完成多社团发现的不足,并提出了基于Laplace图谱和K-Means聚类算法的多社团发现方法,该方法是一个可视化的决策过程。根据Laplace图谱的次小特征值和第三小特征值对应的特征向量,构成聚类样本并显示出来。根据决策者的意图,由决策者来确定社团的个数和聚类中心,应用K-Means聚类算法一次完成多社团的分类。

三种经典复杂网络社区结构划分算法研究

社团结构是复杂网络的重要特征之一。针对复杂网络中社团划分问题,文章给出了三种经典的社团划分算法,阐述了各种算法的基本原理,并对各算法进行了适当的分析和比较,为实际应用中社团划分算法的选择提供了参考。