一种提取网络节点社区属性的自适应谱聚类方法技术

一种提取网络节点社区属性的自适应谱聚类方法，1、设定移动群智感知网络中的节点个数是M，初始化社区个数N=1，标记节点v的社区属性是                                               ，定义M个节点组成一个社区的模块度Qmax=0；2、由节点v相对全部M个节点的亲密度向量得到相似度矩阵；3、将相似度矩阵的特征值按从大到小排列，对前N个特征值构建的特征向量空间进行聚类，标记每个节点的社区属性；4、由聚类后所有节点的社区属性计算模块度Q，如果Q≥Qmax，则令Qmax=Q，最佳社区分类个数Nop=N，否则，直接进入5；5、令N=N+1；6、重复3-5，直至N=M，Nop值是最佳社区分类个数，社区中的节点具有最佳的社区属性。本发明专利技术方法可提高网络节点社区分类的准确度。

【技术实现步骤摘要】
201610022755

【技术保护点】
一种提取网络节点社区属性的自适应谱聚类方法，其特征在于，包括如下步骤：步骤1、设定移动群智感知网络中的节点个数是M，将M个节点看作是一个社区，即初始化社区个数N=1，并标记节点v的社区属性是，1≤≤N，1≤v≤M，定义M个节点组成的一个社区的模块度Qmax=0；步骤2、由节点v相对全部M个节点的亲密度向量到相似度矩阵，其中，，是节点v和节点w之间的亲密度，当节点之间不存在接触时，=0；步骤3、将相似度矩阵的特征值按从大到小排列，取前N个特征值构建特征向量空间，利用K‑means方法对所述特征向量空间进行聚类，标记每个节点的社区属性；步骤4、根据聚类后所有节点的社区属性，代入模块度计算公式得到模块度Q的值，其中，是节点w的社区属性，，，，如果Q≥Qmax，则令Qmax=Q，最佳社区分类个数Nop=N，否则，直接进行下一步；步骤5、令N=N+1；步骤6、重复步骤3‑步骤5，直至N=M，Nop值是最佳社区分类个数，社区中的节点具有最佳的社区属性。

【技术特征摘要】
1.一种提取网络节点社区属性的自适应谱聚类方法，其特征在于，包括如下步骤：
步骤1、设定移动群智感知网络中的节点个数是M，将M个节点看作是一个社区，即初始
化社区个数N=1，并标记节点v的社区属性是，1≤≤N，1≤v≤M，定义M个节点组成的一
个社区的模块度Qmax=0；
步骤2、由节点v相对全部M个节点的亲密度向量到相似度矩阵，其中，
，是节点v和节点w之间的亲密度，当节点之间
不存在接触时，=0；
步骤3、将相似度矩阵的特征值按从大到小排列，取前N个特征值构建特征向量空间，
利用K-means方法对所述特征向量空间进行聚类，标记每个节点的社区属性；
步骤4、根据聚类后所有节点的社区属性，代入模块度计算公式
得到模块...

【专利技术属性】
技术研发人员：马华红，郑国强，吴红海，冀保峰，祁志娟，徐素莉，李济顺，李阳，袁德颖，周立鹏，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：河南;41