结合熵有效性函数的FCM算法识别社团结构

摘要

挖掘和发现复杂网络中的社团结构是复杂网络研究的基础性问题。针对复杂网络中的社团结构往往具有重叠性,提出了结合熵有效性函数的模糊聚类(Fuzzy c-means,FCM)算法。首先基于信息熵提出了熵有效性函数,用于确定网络的"最佳"聚类数;其次给出了聚类数范围和两个过滤条件;最后将三者与FCM算法相结合,应用到Zachary’s karate club network、Dolphin social network和American college football network的社团结构检测。为了进一步体现熵有效性函数的优越性,将熵有效性函数和模块度函数,分别与k-means算法相结合,对3个网络进行了实验。实验结果表明,熵有效性函数可以较准确的找到"最佳"聚类数,且结合熵有效性函数的FCM算法划分结果精确度都在90%以上。

关键词

熵有效性函数 / 聚类数范围 / 过滤条件 / 模糊聚类 / 社团结构