基于神经网络的社团检测算法*
2021-04-27代婷婷虎亚楠
南宁师范大学学报(自然科学版) 2021年1期
代婷婷,韩 艳,虎亚楠
(昭通学院 数学与统计学院,云南 昭通 657000)
1 引言
在社团检测算法中历史悠久的、比较经典的有Kernighan-Lin算法和谱平分方法[1,2],其次就是Girvan和 Newman[3]在2002年提出的一种通过边移除按层次分解网络的社团结构方法(GN).在后一算法中提到了模块度,之后模块度很快成为了衡量社团检测结果的通用指标.随着研究的不断推进,2014年,Maria C.V. Nascimento[4]提出了一种基于聚类系数的谱启发式算法(SPEC),该算法克服了启发式算法的规模缺陷,具有很好的性能.2017年,邓小龙等人[5]提出了基于矢量影响力聚类系数的高效有向网络社团检测算法.该算法从构成社团最基础的三角形极大团展开数学推导,并且提出一种有向社团结构划分目标函数,具有不错的精确性.2018年,郑少强等人[6]提出一种基于聚类系数的标签传播算法,对节点按度和聚类系数的大小影响力排序,根据影响力做初始划分,再进行标签传播.本文主要是依据Newman提出的模块度社团划分评价指标,提出了一种基于神经网络的社团划分方法,此方法可以找到最优的模块度函数值,对应地可以找到最优的与实际网络非常接近的划分.
2 理论与方法
2.1 连续神经网络(CNN)
考虑微分方程
(1)
其中,A是一个n×n的实对称矩阵,可以将其视为神经网络的连接权强度,X∈Rn,视为神经网络的状态.方程(1)描述了一类连续型的全反馈人工神经网络.文献[7]给出了一种电路模拟方法,当A为对称正定矩阵时,Oja等[8]根据神经网络的Hebbian规则,将方程(1)作为一种无……
登录APP查看全文
