[发明专利]一种提取网络节点社区属性的自适应谱聚类方法

权利要求书

1.一种提取网络节点社区属性的自适应谱聚类方法，其特征在于，包括如下步骤：

步骤1、设定移动群智感知网络中的节点个数是M，将M个节点看作是一个社区，即初始化社区个数N＝1，并标记节点v的社区属性是c_v，1≤c_v≤N，1≤v≤M，定义M个节点组成的一个社区的模块度Q_max＝0；

步骤2、由节点v相对全部M个节点的亲密度向量得到相似度矩阵其中，A_v,w是节点v和节点w之间的亲密度，A_v,w＝α·N(v,w)+β·AD(v,w)，其中，N(v,w)是节点v和节点w的接触次数，AD(v,w)是节点v和节点w的平均接触时长，α和β是调节因子，当节点之间不存在接触时，A_v,w＝0；

步骤3、将相似度矩阵Cl的特征值按从大到小排列，取前N个特征值构建特征向量空间，利用K-means方法对所述特征向量空间进行聚类，标记每个节点的社区属性；

步骤4、根据聚类后所有节点的社区属性，代入模块度计算公式得到模块度Q的值，其中，c_w是节点w的社区属性，K_v＝∑_wA_v,w，K_w＝∑_vA_w,v，如果Q≥Q_max，则令Q_max＝Q，最佳社区分类个数Nop＝N，否则，直接进行下一步；

步骤5、令N＝N+1；

步骤6、重复步骤3-步骤5，直至N＝M，Nop值是最佳社区分类个数，社区中的节点具有最佳的社区属性。

2.如权利要求1所述的一种提取网络节点社区属性的自适应谱聚类方法，其特征在于，所述社区个数N的最大值为节点总数的步骤6中，重复步骤3-步骤5，直至