Detecting the fuzzy clusters of complex networks
Detecting the fuzzy clusters of complex networks
复制标题
检测复杂网络的模糊簇
DOI：
10.1016/j.patcog.2009.11.007
复制
发表时间：
2010-04
期刊：
影响因子：
--
通讯作者：
Liu, Jian
中科院分区：
文献类型：
--
作者：
Liu, Jian
为了找到一个大型复杂网络的最佳划分为少数集群已经解决了许多不同的方式。然而，概率设置，其中每个节点有一定的概率属于某个集群已经很少讨论。在本文中，模糊划分公式，这是从一个确定性的框架扩展网络划分的基础上的最佳预测的随机步行者马尔可夫动力学，推导出解决这个问题。在此框架下构造了最小化目标函数的算法。仿真实验表明，该算法可以有效地确定在学习过程中，一个节点属于不同的集群的概率。此外，他们成功地应用到两个现实世界的网络，包括空手道俱乐部成员之间的社会互动和从亚马逊购买的一些关于美国政治的书籍的关系。
To find the best partition of a large and complex network into a small number of clusters has been addressed in many different ways. However, the probabilistic setting in which each node has a certain probability of belonging to a certain cluster has been scarcely discussed. In this paper, a fuzzy partitioning formulation, which is extended from a deterministic framework for network partition based on the optimal prediction of a random walker Markovian dynamics, is derived to solve this problem. The algorithms are constructed to minimize the objective function under this framework. It is demonstrated by the simulation experiments that our algorithms can efficiently determine the probabilities with which a node belongs to different clusters during the learning process. Moreover, they are successfully applied to two real-world networks, including the social interactions between members of a karate club and the relationships of some books on American politics bought from Amazon.com.
登录
查看更多内容
DOI：
--
发表时间：
2009-01
期刊：
--
影响因子：
--
作者：
Sebastian Weber
通讯作者：
Sebastian Weber
DOI：
10.1088/1742-5468/2005/09/p09008
发表时间：
2005-09-01
影响因子：
2.4
作者：
Danon, L;Díaz-Guilera, A;Arenas, A
通讯作者：
Arenas, A
DOI：
--
发表时间：
2006-04
期刊：
--
影响因子：
--
作者：
M. Newman;A. Barabási;D. Watts
通讯作者：
M. Newman;A. Barabási;D. Watts
DOI：
10.1142/s0218001405004228
发表时间：
2005-08-01
影响因子：
1.5
作者：
Ma, JW;Gao, B;Cheng, QS
通讯作者：
Cheng, QS
DOI：
10.1002/9783527627981.ch2
发表时间：
2009-08
期刊：
--
影响因子：
--
作者：
S. Thurner
通讯作者：
S. Thurner