基于K-means聚类和数据场理论的复杂网络社团结构探寻
来源期刊：控制与决策2009年第3期
论文作者：高忠科 金宁德
文章页码：377 - 382
关键词：复杂网络;社团结构;K-means聚类;数据场;小世界效应;
摘 要：探寻社团结构是研究复杂网络结构与功能之间关系的基础.提出和分析了基于K-means聚类的社团探寻算法和基于数据场理论的社团探寻算法,并通过实验仿真验证了这两种算法的有效性.在仿真中发现并验证了社团内部比整个网络具有更加鲜明的小世界效应,这说明在网络控制中,在相同的耦合强度下,对社团的同步控制比对整个网络的同步控制更容易实现.
高忠科，金宁德
摘 要：探寻社团结构是研究复杂网络结构与功能之间关系的基础.提出和分析了基于K-means聚类的社团探寻算法和基于数据场理论的社团探寻算法,并通过实验仿真验证了这两种算法的有效性.在仿真中发现并验证了社团内部比整个网络具有更加鲜明的小世界效应,这说明在网络控制中,在相同的耦合强度下,对社团的同步控制比对整个网络的同步控制更容易实现.
关键词：复杂网络;社团结构;K-means聚类;数据场;小世界效应;
