【技术实现步骤摘要】
一种融合先验信息和稀疏约束的社团检测方法
本专利技术属于复杂网络社团检测
，具体涉及一种融合先验信息和稀疏约束的社团检测方法。
技术介绍
随着信息技术的日新月异，越来越多的网络出现在我们的日常生活中，如社交网络、因特网、电信网、文献引用网、疾病关系网和蛋白质相互作用网，从而吸引了越来越多的研究者对网络的运行机理进行研究。研究发现，网络中存在一些链接比较紧密的社团结构(也称为模块)而社团结构之间的链接关系却相对比较稀疏，网络的这种性质被称为模块性。社团检测的研究有助于帮助我们更好的去理解网络的全局运作机制。目前大多数研究只是根据网络的拓扑结构去检测社团，由于现实生活中的网络的连边数量是相对比较少的并且其中还存在一些错误的连边，因此只是根据连边信息进行社团结构检测往往不能得到准确的社团划分结果。研究表明将一些先验信息同网络的拓扑结构相结合可以更加准确的去发掘网络中隐含的社区结构。
技术实现思路
本专利技术的目的在于提供一种融合先验信息和稀疏约束的社团检测方法，解决了现有大多数社团检测方法检测精度...
【技术保护点】
1.一种融合先验信息和稀疏约束的社团检测方法，其特征在于，包括以下步骤：/n步骤1、获取相关的人工网络和实际网络数据集，求解网络相应的邻接矩阵V
【技术特征摘要】
1.一种融合先验信息和稀疏约束的社团检测方法，其特征在于，包括以下步骤：
步骤1、获取相关的人工网络和实际网络数据集，求解网络相应的邻接矩阵Vij；
步骤2、获取网络中相关节点的Must-link先验信息，构建矩阵Mij作为节点间的Must-link关系矩阵；
步骤3、将Must-link先验信息融合到非负矩阵分解模型中，构建新的社团检测模型；
步骤4、对迭代求解后的节点划分矩阵进行组稀疏约束；
步骤5、根据类重表示矩阵进行网络社团结构检测，得到最终的社团划分结果。
2.如权利要求1所述的一种融合先验信息和稀疏约束的社团检测方法，其特征在于，所述步骤1中求解网络相应的邻接矩阵Vij的具体步骤为：
步骤1.1、求出网络数据集的最大值n，构建一个n×n的初始矩阵V；
步骤1.2、根据以下公式(1)对初始矩阵V进行赋值，得到网络的邻接矩阵Vij；
式(1)中，E表示网络中的边，vi，vj表示节点i和j。
3.如权利要求1所述的一种融合先验信息和稀疏约束的社团检测方法，其特征在于，所述步骤2中Must-link关系矩阵Mij的具体构建过程为：
如果网络中节点i和节点j具有Must-link这一关系，也表示节点i和节点j必须属于同一个社团，因此节点间的Must-link关系矩阵Mij可通过以下公式(2)进行定义：
4.如权利要求1所述的一种融合先验信息和稀疏约束的社团检测方法，其特征在于，所述步骤3具体为：
步骤3.1、使用欧氏距离来衡量节点i和节点j之间的相似程度，表示如以下公式(3)所示：
式(3)中hi，hj分别代表节点i和节点j的相似向量，sim(hi,hj)代表节点i和节点j的欧氏距离；
步骤3.2、使用NMF模型对邻接矩阵Vij进行分解，得到基...
【专利技术属性】
技术研发人员：王彬，丁翠，刘光明，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。