基于networkx聚类技术复杂网络社团检测附完整版代码.zip

复杂网络社团结构定义为内紧外松的拓扑结构即一组节点的集合集合内的节点交互紧密与外界节点交互松散.复杂网络社团结构检测广泛的应用于信息推荐系统致癌基因识别数据挖掘等领域.近年来社区检测得到了快速的发展这主要是由于Newman提出了模块度modularity的概念从而使得网络社区划分优劣可以有一个明确的评价指标来衡量.模块度越大对应的社区划分越合理.社团检测就是在复杂网络上做聚类聚类出来的就是社团.某跆拳道俱乐部数据由34个节点组成由于管理上的分歧俱乐部要分解成两个社团.该实验的任务即要求我们在给定的复杂网络上检测出两个社团.分析与设计实验思路分析如下• 聚类算法通常可以描述为用相似度来衡量两个数据的远近搜索可能的划分方案使得目标函数达到极值.目标函数通常与相似度关系密切例如目标函数是同类中数据相似度的平均值.• 类似的对于社团检测复杂网络上做聚类我们有三个关键问题◦ 希望得到什么样的社团◦ 如何衡量数据的相似度◦ 如何搜索得到最优解下面我们围绕解决这三个问题进行本实验算法的说明