基于矩阵分解的有向网络交叠团模糊分析与信息挖掘

为了逼近真实世界复杂网络,方向性和模糊性是不断发展的网络社团提取方法必须加以考虑的重要特性。在有向网络中研究和分析模糊社团结构具有一定的现实意义。为开发有向网络的模糊社团分析方法,本文构建了一种基于改进的非负奇异值分解法的最优化框架,用矩阵分解技术得到了有向网络中描述点团之间有向关联关系的一种新模糊度量。实验证明新度量不仅能用来提取有向网络的模糊社团,而且可用于对有向网络的社团拓扑结构做深度分析,例如分析社团之间的宏观有向关联关系,对社团间的有向连接贡献程度加以量化并提取重要节点等。城市路网含有大量方向性信息,路网效能强烈依赖其结构鲁棒性,本方法可用于城市路网社团结构划分与脆弱性分析,为提高路