[发明专利]基于密度聚类的增量动态社区发现方法

摘要

发明涉及一种基于密度聚类的增量动态社区发现方法，包括S1：采集初始时刻t₁的网络数据集，生成网络图G₁；S2：通过余弦相似度计算初始时刻t₁的网络中节点间距；S3：采用改进的DBSCAN算法进行初始时刻t₁的社区生成;S4:对初始时刻t₁生成的社区进行迭代合并；S5：输出初始时刻t₁的最终社区划分结果；S6：计算t_i(2≤i≤T)时刻的增量节点；S7：采用余弦相似度求取t_i时刻新增节点IVt间的距离；S8：采用改进的DBSCAN算法对t_i时刻的新增节点IVt进行社区生成；S9：对t_i时刻邻居发生变化的节点NCVt及其邻居节点进行社区归属调整；S10：迭代的把t_i时刻生成的社区进行合并以降低噪声社区对社区发现结果的影响；S11：得到t_i时刻最终的社区划分结果。

主权项

1.一种基于密度聚类的增量动态社区发现方法，其特征在于：包括以下步骤：步骤S1:采集初始时刻t1的网络数据集，生成网络图G1；步骤S2:通过余弦相似度计算初始时刻t1的网络中节点间距；步骤S3:采用改进的DBSCAN算法进行初始时刻t1的社区生成；步骤S4:对初始时刻t1生成的社区进行迭代合并，以降低噪声社区对社区发现结果的影响；步骤S5:输出初始时刻t1的最终社区划分结果；步骤S6:计算ti时刻的增量节点；步骤S7:采用余弦相似度求取ti时刻新增节点IVt间的距离；步骤S8:采用改进的DBSCAN算法对ti时刻的新增节点IVt进行社区生成；步骤S9：对ti时刻邻居发生变化的节点NCVt及其邻居节点进行社区归属调整；步骤S10：迭代的把ti时刻生成的社区进行合并以降低噪声社区对社区发现结果的影响；步骤S11：得到ti时刻最终的社区划分结果。