基于核心图增量聚类的复杂网络划分算法改进

基于核心图增量聚类的社团划分算法,设置了一个结点度阈值,利用该阈值在给定网络中筛选核心结点,以这些核心结点构造核心子图,调用GN算法产生社团框架;根据结点与社团的相似度,将除核心结点之外的结点划归到各个社团,经过反复调整各结点的归属,产生网络的社团划分。通过举例说明当度阈值设置不当,筛选出的核心结点所构成的核心子图并不能清晰地构成给定网络的各社团框架,从而严重影响网络的社团划分效率与效果。为此对其进行了改进。文中提出的是一种启发式算法,利用结点的度来逐步产生各社团框架,最后生成各社团。通过在真实网络数据集上测试,说明改进算法是高效的。