GFN:基于“群”思想对Fast-Newman算法改进的复杂网络聚类算法

针对目前复杂网络优化聚类算法目标函数的有偏性影响聚类精度的问题,提出了"群"的概念,实现了对节点在聚类过程中局部信息决策环境的划定。提出了基于"群"概念改进的网络模块性评价函数,并以该函数作为目标函数对Fast-Newman(FN)算法进行了改进。在不同类别数据集上进行的聚类实验的结果表明,基于"群"思想改进的FN算法(GFN)在复杂网络中的聚类精度比FN算法平均提高了约70%,从而验证了"群"思想在揭示真实簇结构过程中的有效性。