计算机应用研究

作者：付立东,刘佳会,王秋红,

单位：1.西安科技大学计算机科学与技术学院,西安710699；2.中国电子科技集团有限公司第20所,西安710068；

关键词：密度峰值聚类,局部相似度,标签传播,社区发现,

基金：国家自然科学基金资助项目(12071367,61772394)；陕西省自然科学基础研究计划资助项目(2020JM-526,2023-JC-YB-517)；；

针对标签传播算法中节点启动顺序和更新标签的随机性造成的结果不稳定问题，提出一种新标签传播算法用于复杂网络社区检测（density peaks and node similarity，DPNS-LPA），包括社区中心的确定和外围节点的标签传播。首先利用大度节点不利指标、Jaccard指标和度为1节点的结构特性刻画节点局部相似性指标，并用此指标度量节点间距离和解决最大标签相同时的随机选择；然后引入改进的密度峰值聚类算法寻找社区中心，确定社区数量；最后基于社区中心和外围节点的标签传播，得到最终的社区划分结果。通过人工网络和真实网络上的实验，结果表明标准化互信息、模块度和D-score指标值优于对比算法，所提出的算法可以有效发现复杂网络中的社区结构，且鲁棒性更高。

来源：2023年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第8期