[发明专利]一种针对复杂网络的混合型聚类方法

权利要求书

1.一种针对复杂网络的混合型聚类方法，其特征在于，该方法包括如下步骤：

步骤1：构建整个网络的无向图，统计整个网络中的所有节点和边，为每个节点顺序编号，设节点总数为N，i为节点的编号，1≤i≤N；标记节点i和节点j之间的边为e_ij，1≤i≤N，1≤j≤N，i≠j；

步骤2：初始将网络中的所有节点划分到一个社区中；

步骤3：确定网络中的每条边e_ij的连接聚类系数EdgeClusteringCoefficient：

EdgeClusteringCoefficient(eij)=Traid+1min(srcdeg-1,destdeg-1)]]>

其中，Traid表示是节点i和节点j共同的邻居节点的个数，srcdeg表示节点i的度，destdeg表示节点j的度，min()表示取较小值；

步骤4：找到当前连接聚类系数值最大的边，标记为e_AB，连接边e_AB的节点为A和B，删除连接聚类系数值最大的那条边e_AB，判断节点A和节点B之间是否存在连通的路径，若不存在，更新网络中的社区，然后执行下一步骤；若存在，转步骤3执行；更新网络中的社区，具体是：标记节点A和节点B在未更新社区前都属于社区s，s代表网络中第s个社区，将社区s中能连通节点A的节点划分到一个社区s_A，将社区s中能连通节点B的节点划分到一个社区s_B，然后更新社区的总数k＝k+1，将社区s_A记为第s个社区，社区s_B记为第k个社区；

步骤5：获取当前网络中的社区，并确定当前网络所划分的社区的模块性评价指标值CurQ：

CurQ=AVEsk{Cs2ms+cs+cs2(m-ms)-cs}]]>

其中，AVE为平均数，s代表网络中第s个社区，k代表网络中社区的总数，c_s代表在步骤1的网络中社区s与其他社区之间连接的边的数量，m_s代表社区s内的边的数量，m代表整个网络的边数；设置变量BestQ表示到目前为止最好的社区划分所对应的模块性评价指标值，初始赋值为0；设置变量steps用于标记当前迭代次数与BestQ所对应的迭代次数的差值，初始值为0；

判断CurQ与BestQ的大小：如果BestQ<=CurQ，令BestQ=CurQ，保存当前所划分的社区结构，更新迭代次数steps=0，转步骤3执行；如果BestQ>CurQ，更新迭代次数steps=steps+1，并判断steps是否小于用户设定的阈值threshold，若否，转步骤3执行，若是，执行步骤6；

步骤6：列举网络中当前存在的所有社区的两两组合，每个组合中不是相同的社区，针对每个组合，确定合并该组合中的两个社区i和j后，确定网络所划分的社区的模块性评价指标值Q_ij：

Qij=Σs=1k[msm-(ds2m)2]]]>

其中，d_s表示社区s中节点度之和；找到计算得到最大的Q_ij：max(Q_ij)，将最大Q_ij对应的两个社区合并，然后执行步骤7；

步骤7：令变量CurQ=max(Q_ij)；判断CurQ与BestQ的大小，如果BestQ<=CurQ，更新变量BestQ=CurQ，保存当前网络中的社区结构，然后执行步骤8；如果BestQ>CurQ，直接执行步骤8；

步骤8：判断当前网络是否已经组合为一个社区，若是，执行步骤9，若否，转步骤6执行；

步骤9：将最终保存的社区结构输出。