基于k-shell的社区发现算法研究

集对分析作为将事物视为确定性和不确性相结合的系统的数学理论,适合用于关系复杂的社会网络研究。目前,已有研究将集对分析理论与社会网络分析相结合,提出了加权聚集系数联系度的节点间相似性度量方法以及相应的社区发现方法 VSFCM算法。针对VSFCM算法在独立社区初步聚合阶段存在的节点提早合并问题,引入边聚集系数与相似度共同作为社区合并标准,提高独立社区阶段社区合并的准确性。为了改善VSFCM算法的时间效率,结合k-shell方法,为了实现社区结构更为合理以及社区划分更为贴近现实划分的社区发现算法,分别提出以kshell值优先的层次聚类算法KPCM和KPCMV。