一种基于改进密度峰值聚类的社区发现算法

从复杂网络中发现可能存在的群体或社区结构是复杂网络分析的一个重要研究方向.基于密度峰值社区发现的目标是以图聚类的方式来对复杂网络进行社区划分.但是,直接应用密度峰值聚类于社区发现,还存在着如何衡量节点距离和簇中心无法自动选取等问题.在密度峰值聚类算法的基础上,提出一种基于等效电阻距离和自动选取密度峰值簇中心的社区发现算法.首先,在衡量复杂网络中节点的距离上采用了等效电阻路径长度来作为距离度量.其次,在密度峰值算法的决策图上,通过DBSCAN算法自动选取簇中心,而不是通过观察决策图人工选择,以减少人为干扰.最后,在人工合成网络和真实网络上的实验表明,提出的算法具有较高的精度和鲁棒性.