[发明专利]基于密度峰值与社区归属度的重叠社区发现方法

权利要求书

1.基于密度峰值与社区归属度的重叠社区发现方法，其特征在于：包括以下步骤：

步骤S1:读取网络数据集，生成网络图G；

步骤S2：根据网络图G节点间的路径长度来计算网络中节点间距离、距离最大值d_max、距离最小值d_min，得到节点间距离字典Pd；

步骤S3：根据节点间距离字典Pd计算节点间的距离阈值d_c、节点的局部密度Rho；

步骤S4：根据节点间距离字典Pd、节点的局部密度Rho求取节点的跟随节点Nnb和跟随距离Del；

步骤S5：根据密度峰值聚类算法的原理生成非重叠社区集C；

步骤S6：对非重叠社区集C的边界点进行社区归属判断，得到重叠社区集C'；

步骤S7：输出最终的社区划分结果。

2.根据权利要求1所述的基于密度峰值与社区归属度的重叠社区发现方法，其特征在于：所述步骤S1具体为：读取网络数据集，生成用于划分社区结构的网络图G＝(V,E)，其中V表示节点集，E表示边集。

3.根据权利要求2所述的基于密度峰值与社区归属度的重叠社区发现方法，其特征在于：所述步骤S2具体为：

步骤S21:初始化节点间距离字典Pd为空；

步骤S22：遍历V中每个节点v，再遍历节点v的每个邻居u，按公式(1)求出节点u，v间的距离d(u,v)，并把d(u,v)添加到距离字典Pd中；

其中，DNB(v)表示节点v的直接邻居，；w表示节点v的直接邻居节点；当u∈DNB(v)时，节点u，v间距离由长度为1的路径所表示的距离和长度为2的路径所表示的距离相加计算得到；而当时，节点u，v间距离只需考虑由长度为2的路径所表示的距离；

步骤S23：遍历节点u的每个邻居r，按公式(2)求出节点r，v间的距离d(r,v)，并把d(r,v)添加到节点间距离字典Pd中；

步骤S24：求出节点间距离的最大值d_max、最小值d_min；

步骤S25：输出节点间距离字典Pd、最大值d_max、最小值d_min。

4.根据权利要求3所述的基于密度峰值与社区归属度的重叠社区发现方法，其特征在于：所述步骤S3具体为：

步骤S31:初始化节点的局部密度字典Rho为空，网络所有节点的d_c-邻域内节点数nb及nb与网络节点总数的比例np为0；

步骤S32：根据密度峰值聚类算法中距离阈值的选取规则计算阈值d_c；

步骤S33：根据d_c和公式(3)计算网络中每个节点的局部密度；

其中，rho(u)表示节点u的局部密度，INB(u)表示节点u邻居的邻居。

步骤S34：输出局部密度字典Rho，距离阈值d_c。

5.根据权利要求4所述的基于密度峰值与社区归属度的重叠社区发现方法，其特征在于：所述步骤S4具体为：

步骤S41：初始化局部密度列表Rl、节点跟随邻居字典Nnb，跟随距离字典Del和邻居节点集合NB为空；

步骤S42：将Rho中的元素逐个添加到Rl中，并对Rl按局部密度值大小降序排序，得到排序后的局部密度列表Rl；

步骤S43：根据密度峰值聚类算法的原理求取每个节点的跟随邻居和跟随距离，得到跟随邻居字典Nnb，跟随距离字典Del；

步骤S44：输出节点跟随邻居字典Nnb，跟随距离字典Del和排序后的局部密度列表Rl。