借鉴基于聚类的无监督入侵检测算法(Clustering-based method for the unsupervised intrusion detection,CBUID)聚类原理,提出一种基于核心图增量聚类的社区划分算法(Clustering-based method for community detection,CBCD).本文提出...借鉴基于聚类的无监督入侵检测算法(Clustering-based method for the unsupervised intrusion detection,CBUID)聚类原理,提出一种基于核心图增量聚类的社区划分算法(Clustering-based method for community detection,CBCD).本文提出一种社区摘要构建方法,给出节点与社区相似度的计算公式.首先,对由少量高度数节点组成的核心网络采用现有算法进行核心社区划分,然后,采用增量方式依据节点与社区相似度,将剩余节点划分到核心社区中.算法复杂度主要依赖于网络规模、边的数量及划分的社区个数,具有线性复杂度.通过在几个典型真实网络数据集上测试,所提算法能够有效地进行社区划分.展开更多
文摘借鉴基于聚类的无监督入侵检测算法(Clustering-based method for the unsupervised intrusion detection,CBUID)聚类原理,提出一种基于核心图增量聚类的社区划分算法(Clustering-based method for community detection,CBCD).本文提出一种社区摘要构建方法,给出节点与社区相似度的计算公式.首先,对由少量高度数节点组成的核心网络采用现有算法进行核心社区划分,然后,采用增量方式依据节点与社区相似度,将剩余节点划分到核心社区中.算法复杂度主要依赖于网络规模、边的数量及划分的社区个数,具有线性复杂度.通过在几个典型真实网络数据集上测试,所提算法能够有效地进行社区划分.