复杂网络社区的分形聚类检测方法

提出了两阶段盒子覆盖法,并且以两阶段盒子覆盖法作为节点聚类方法,提出了分形聚类社区检测算法FCUC。FCUC算法将分形聚类过程映射到树型结构,通过对树型结构进行分割得到复杂网络的社区结构。在人造网络和现实网络上对FCUC算法进行了测试,实验结果表明:FCUC算法可以有效地检测出社区结构。

基于复杂网络社区理论的TMT社会资本与企业财务绩效的关系研究

从高层管理团队(TMT)社会网络的角度,通过对145家国有控股上市公司1 079名高层管理人员的履历信息进行内容分析,以TMT社会资本存量和联系强度2个维度测量TMT社会资本,探讨TMT社会资本对企业财务绩效的影响。在进行社会资本分析时,采用复杂网络社区理论及算法,将TMT映射至拓扑结构,以TMT为一个整体,将TMT视为真实世界网络中的一个社区加以研究。研究结果表明,企业TMT的社会资本存量及强度显著影响企业的经营绩效和投资绩效,但对筹资绩效未产生影响。

基于复杂网络社区发现算法的2型糖尿病证候组成及时序演变规律研究

目的分析2型糖尿病(type 2 diabetes mellitus,T2DM)证候组成及时序演变规律,为指导T2DM临床实践提供参考。方法基于2826名T2DM患者的门诊电子病例数据,利用复杂网络社区发现算法、有向加权复杂网络、桑基图对证候组成、证候时序演变规律进行数据挖掘。结果通过对T2DM证候复杂网络进行社区划分,最终得到7个核心证候社区。其中证候社区A(气虚血瘀并阴阳两虚证类)为T2DM复杂网络中节点占比最高(26.84%);在T2DM疗前疗后两阶段证候时序演变规律当中,T2DM证候存在复杂的演变关系,有5类证候社区都首先转化为气虚血瘀并阴阳两虚(A类),其中"肝肾阴虚并心脾两虚为主(F类)→气虚血瘀并阴阳两虚(A类)"和"阴虚火旺并痰热互结(C类)→气虚血瘀并阴阳两虚(A类)"两类证候转化率都超过20%;在长期证候演变规律中,T2DM证候之间仍然呈现复杂演变,其中脾虚胃热并肝气瘀滞(B类)、阴虚火旺并痰热互结(C类)在长期趋势中均有相当的比例会演化为气虚血瘀并阴阳两虚(A类);无论两阶段证候演变还是长期证候演变规律均显示,存在51-67%证候经过治疗后不发生演变。结论 T2DM证候组成以虚实结合为主;T2DM的证候有着复杂的时序演变过程,整体沿着由实到虚的方向演变,气虚血瘀和阴阳两虚类证为T2DM证候演变过程中的关键证候。

基于多目标进化的复杂网络社区检测

为了准确地发现复杂社区结构,提出一种改进的多目标进化的复杂网络社区检测算法。通过在某一范围内等间距产生多个p参数,再将其代入AP聚类算法通过半监督聚类方式确定聚类个数以及产生初始种群,克服传统的通过随机方式产生的初始解聚类效果不稳定的缺点,且用模拟退火(SA)算法对多目标进化算法进行改进提高种群搜索能力,防止寻优过程陷入局部最优解。分别在不同μ值下仿真40次,以Footbal足球社交网络、Karate-Club网络和Dolphins网络作为测试案例,与传统多目标进化算法以及基于近邻传播(AP)的多目标算法进行实验对比,结果表明文中提出的多目标进化算法在总体上MNI数值更大,即改进效果明显,因此可应用该算法对复杂网络社区进行更加精确的检测。

基于形式概念分析的社区发现算法

社区发现是复杂网络研究的重要分支。本文将形式概念分析应用与社区发现的研究，通过简化概念格的生成过程，并根据概念之间的相似度进行社区的识别。本算法的优点是无需事先指定社区的个数，而是通过概念间相似度来区别不同概念之间的联系以发现社区。

最优节点复制的复杂网络重叠社区发现算法

不依赖于领域知识的重叠社区快速发现算法是当前复杂系统研究的热点.本文基于网络的局部特征,提出描述网络链接疏密程度的关联度,并基于最优节点复制思想,推广到用于描述节点的凝聚程度.提出了采用分割策略的重叠社区发现算法——OCDNOD,通过逐步分割网络,支持独立社区和重叠社区的挖掘.人工网络和实际网络中的实验结果表明算法不仅有较好的时间效率,而且在社区发现的质量方面也优于其它几种代表性的社区发现算法.