基于分形特征的复杂网络社区发现方法技术

基于分形特征的复杂网络社区发现方法，基于分形特征的复杂网络社区发现方法，包括离线的静态复杂网络的社区发现的处理和在线动态复杂网络的社区发现的处理两个阶段。本发明专利技术充分利用复杂网络的多尺度特征，用重正化过程作为联系不同尺度间的桥梁，从而达到将之前的社区结构信息为新的社区结构发现所用的目的，实现了增量式的社区发现，为研究动态复杂网络的社区结构做了新的尝试，并得到了比较满意的结果。

【技术实现步骤摘要】
基于分形特征的复杂网络社区发现方法
本专利技术属于网络社区发现方法
，涉及一种基于分形特征的复杂网络社区发现方法。
技术介绍
现实世界中存在的许多复杂而庞大的系统可以用网络来描述，我们称之为复杂网络。复杂网络是复杂系统的抽象，复杂系统中的个体是网络中节点，节点之间的边则是个体之间根据某种规则自然形成或人为构造的某种关系。现实世界中包含着各种类型的复杂网络，如社会网络、技术网络、生物学网络、网络中页面之间相互链接而形成的网络、论文合著网络、文献引用网络等等。这些现实世界中大量的复杂网络是由许多不同类型的节点组合而成，其中相同的类型节点之间存在的连接比较多，而不同类型节点的连接却相对较少，复杂网络的这种特性称为社区结构。研究发现，现实中的复杂网络有三大特征：1.小世界性（Small-world），是指虽然复杂网络的规模可能很大，但是其中任意两个结点之间的最短路径是比较小的。小世界网络同时具有小的特征路径长度（characteristicpathlength）和高的聚集系数（clusteringcoefficient）。2.无标度性（Scale-free），是指在复杂网络中结点的度分本文档来自技高网...

【技术保护点】
基于分形特征的复杂网络社区发现方法，其特征在于：包括离线的静态复杂网络的社区发现的处理和在线动态复杂网络的社区发现的处理两个阶段。

【技术特征摘要】
1.基于分形特征的复杂网络社区发现方法，其特征在于：包括离线的静态复杂网络的社区发现的处理和在线动态复杂网络的社区发现的处理两个阶段，其中，第一阶段离线的静态复杂网络的社区发现的处理，其过程如下：步骤1、输入复杂网络的拓扑结构G＝(V,E)；复杂网络用无向图G＝(V,E)来表示，V和E分别为结点和边的集合；步骤2、初始化，具体为，计算V中每个结点的度，结点ni的度记为degi，表示网络中连接到结点的边的个数；对E中的每条边设定权值wij，若ni和nj有一个度为1，则令其权值为0，其它情况权值为1；令重正化次数k＝0，并令d＝0，dk＝0，C(d)k＝0，其中，d是社区两节点间最小距离，第一次d＝0，dk是为社区两节点的叠加距离，dk＝0指在k＝0的情况下，dk赋给0值，C(d)k是社区两节点的关联函数，在k＝0次的情况下C(d)k赋给0值；步骤3、计算相邻结点的距离，重正化距离最小的结点，具体为：若复杂网络中所有的原始点都已经被重正化过，则跳至步骤4更新网络，否则继续此步骤；依据式(1)计算所有相邻结点的距离：其中，degi，degj分别表示结点ni，nj的度，min{x,y}表示取较小的一个值；wij表示给边(ni,nj)的权值；取所有边中距离的最小值d，将所有距离为d的边的端点进行重正化；在这里重正化采用的是最多最先处理的原则，即先处理拥有最短距离边数最多的点，先将此点的相邻最短的边所涉及的点进行重正化，即将其合并为一个点；重复此过程直到距离为d的边都被处理过；计算距离：dk＝dk-1+d(2)和关联函数C(d)k：其中，N为网络中结点的个数，ni，nj为网络中的结点；H(y)为阶跃函数(stepfunction)，即令k＝k+1；步骤4、更新网络，具体为：经过步骤2的重正化后，每条边的权值wij则按下面的策略来计算：首先令所有的权值都为1；如果此时ni和nj经过上一步重正化前有s个边相连，则wij＝wij/s；若ni和nj有一个的度为1，且其所代表的点有m个，即它由m个点重正化而来，则wij＝wij*m；步骤5、输出结果：画图估计复杂网络的分形维数并...

【专利技术属性】
技术研发人员：吕林涛，申冰，孙飞龙，谭芳，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：