典型文献
基于PageRank模糊聚类的网络社团挖掘
文献摘要：
许多经典的聚类方法已成功应用于复杂网络社团挖掘问题,如C均值聚类、模糊C均值等.但这些传统的聚类算法对初始节点敏感,并且需要提前给定网络社团的个数.为此,提出一种基于PageRank重要性度量和模糊C均值聚类的社团挖掘算法(记为PFCM).利用节点的PageRank重要性度量和最大最小模块度值来确定网络中最优种子节点,通过谱映射方法建立网络数据到特征空间的映射,进而利用模糊聚类对网络节点进行划分.最后通过真实网络数据对本文所提出的社团挖掘算法进行了验证,结果表明PFCM算法能够克服传统模糊C均值聚类算法稳定性差的缺点,提高了社团挖掘算法的有效性.
文献关键词：
PageRank;复杂网络;模糊聚类;社团结构;模块度
中图分类号：
作者姓名：
马丽娜
作者机构：
西安财经大学行知学院,经济与统计学院,陕西,西安710038
文献出处：
引用格式：
[1]马丽娜-.基于PageRank模糊聚类的网络社团挖掘)[J].微型电脑应用,2022(06):34-36
A类：
PFCM
B类：
PageRank,模糊聚类,聚类方法,成功应用,复杂网络,均值聚类,聚类算法,重要性度量,挖掘算法,记为,模块度,优种,映射方法,网络数据,特征空间,网络节点,真实网络,社团结构
AB值：
0.308048
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
