基于相似与相异约束半监督非负矩阵分解的社区检测方法技术

本发明专利技术请求保护一种基于相似与相异约束半监督非负矩阵分解的社区检测方法。该方法主要包括：1)将社区复杂网络的边连接数据转化为邻接矩阵A；2)按比率随机抽取链接信息获得先验子集，然后分别构造Must

【技术实现步骤摘要】
基于相似与相异约束半监督非负矩阵分解的社区检测方法


[0001]本专利技术属于复杂网络数据处理
，主要研究无向未加权网络的社区检测问题，涉及一种基于相似与相异约束半监督非负矩阵分解的社区检测方法。

技术介绍

[0002]在现实生活中，复杂的网络结构无处不在。在很多领域中，数据通常以网络结构的形式存在，如社交网络、引文网络、生物网络和技术网络。网络是具有模块或社区的结构，在网络中通过将每一个实体看做一个节点，将节点间的联系看成边，通过这种方式可以将网络建模为图。每个模块或社区类似于一个子图，社区内部节点的联系会更加紧密，与社区外部节点的联系相对松散。
[0003]自Girvan和Newman在2002年提出社区检测的GN算法以来，大量关于复杂社区检测的算法被相继提出，并且取得了显著的发展，较为流行的有基于模块度的算法、基于聚类的算法、基于随机行走的算法、属性图聚类算法和基于矩阵分解的算法等。其中基于非负矩阵分解(NMF)的社区检测方法不断出现，NMF不仅能够有效地揭示低维数据空间中复杂网络的底层社区结构，而且社区检测的结果具有良好的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于相似与相异约束半监督非负矩阵分解的社区检测方法，包括以下步骤：步骤S1：将社区复杂网络的边连接数据转化为邻接矩阵其中，n是社区网络的节点数，邻接矩阵A常用来表示网络的拓扑信息，如果节点v
i
和v
j
之间有边连接，则邻接矩阵元素a
ij
和a
ji
等于1，否则为0，矩阵A对角线元素均为0；步骤S2：设置先验信息比率ratio(0<ratio<1)，按比率随机抽取节点链接信息得到先验子集Must
‑
link集和Cannot
‑
link集，然后分别构造为Must
‑
link矩阵和Cannot
‑
link矩阵步骤S3：设置特征维数为复杂网络的类别数k，并随机初始化非负基矩阵W和系数矩阵G，其中，步骤S4：设置最大迭代次数maxiter，根据迭代公式更新得到新的基矩阵W和系数矩阵G；步骤S5：利用公式得到社区的类别标签，其中，g
jn
表示系数矩阵G的第j行第n列元素，v
n
表示第n个节点，Community(v
n
)表示v
n
的所属社区。2.根据权利要求1中所述的一种基于相似与相异约束半监督非负矩阵分解的社区检测方法，所述的步骤S2具体包括以下几个步骤：S2.1：根据社区节点标签得到全部的链接信息，链接总数为N
pairs
＝ML
pairs
+CL
...

【专利技术属性】
技术研发人员：陈春春，朱文杰，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：