微处理机
微處理機
미처리궤
MICROPROCESSORS
2015年
2期
39-43
,共5页
社团结构%信息熵%模块度%准确度
社糰結構%信息熵%模塊度%準確度
사단결구%신식적%모괴도%준학도
Community structure%Information entropy%Modularity%Precision
社团结构是复杂网络最普遍和最重要的拓扑属性之一，社团结构的划分方法对分析复杂网络相关统计特性具有十分重要的理论意义。基于信息论中信息熵的概念，结合传统模块度形成一种信息熵模块度 Q，判断划分出的最佳社团。该算法在人工生成网和实际网络进行测试，并与当前具有代表性的社团划分算法进行比较，通过实验得出该算法有较高的准确度。
社糰結構是複雜網絡最普遍和最重要的拓撲屬性之一，社糰結構的劃分方法對分析複雜網絡相關統計特性具有十分重要的理論意義。基于信息論中信息熵的概唸，結閤傳統模塊度形成一種信息熵模塊度 Q，判斷劃分齣的最佳社糰。該算法在人工生成網和實際網絡進行測試，併與噹前具有代錶性的社糰劃分算法進行比較，通過實驗得齣該算法有較高的準確度。
사단결구시복잡망락최보편화최중요적탁복속성지일，사단결구적화분방법대분석복잡망락상관통계특성구유십분중요적이론의의。기우신식론중신식적적개념，결합전통모괴도형성일충신식적모괴도 Q，판단화분출적최가사단。해산법재인공생성망화실제망락진행측시，병여당전구유대표성적사단화분산법진행비교，통과실험득출해산법유교고적준학도。
The community structure is the most basic and important topology of complex network,so the detection method is therefore significant to its character statistics.In this paper,the optimal community is judged according to a new theoretic model of modularity Q based on information entropy. The proposed algorithm is tested on both computer -generated and real -world networks,and compared with current representative algorithms in community mining.The experimental results show that the algorithm accuracy is high.
