[发明专利]基于密度聚类的增量动态社区发现方法

说明书

发明涉及一种基于密度聚类的增量动态社区发现方法，包括S1：采集初始时刻t₁的网络数据集，生成网络图G₁；S2：通过余弦相似度计算初始时刻t₁的网络中节点间距；S3：采用改进的DBSCAN算法进行初始时刻t₁的社区生成;S4:对初始时刻t₁生成的社区进行迭代合并；S5：输出初始时刻t₁的最终社区划分结果；S6：计算t_i(2≤i≤T)时刻的增量节点；S7：采用余弦相似度求取t_i时刻新增节点IVt间的距离；S8：采用改进的DBSCAN算法对t_i时刻的新增节点IVt进行社区生成；S9：对t_i时刻邻居发生变化的节点NCVt及其邻居节点进行社区归属调整；S10：迭代的把t_i时刻生成的社区进行合并以降低噪声社区对社区发现结果的影响；S11：得到t_i时刻最终的社区划分结果。

技术领域

本发明涉及复杂网络上的动态社区发现技术领域，具体涉及一种基于密度聚类的增量动态社区发现方法。

背景技术

社区发现已经在信息传播、生物网络、群体事件等领域存在广泛应用。社区发现是指把网络划分成多个不同组织，各组织内部连接紧密，组织间连接较为稀疏。由于真实社会网络中个体及其之间的联系是不断动态变化的，动态社区发现的研究已经成为当前社交网络领域研究的热点之一。

动态社区发现实质是研究社会网络的演化发展行为。目前，动态社区发现方法主要分为基于时空独立评价的方法、基于时空集成评价的方法、基于统一评价的方法和增量动态社区发现方法等4类。其中，增量动态社区发现方法重点对相邻时刻的局部差量节点进行处理，具有较低的时间复杂度，成为动态社区发现算法的一个重要研究方向。

增量动态社区发现通过比较不同时刻的网络快照，分析网络快照的差量节点，并基于差量节点进行社区扩展。主要采用基于物理定律的增量策略和基于图特征的增量策略。目前已有一些学者对动态社区发现进行了研究，也取得了一定的成果，但现有多数增量动态社区发现算法存在的无法较好处理网络结构突变和增量累计误差等问题。

发明内容

有鉴于此，本发明的目的在于提供一种基于密度聚类的增量动态社区发现方法，能在有效处理网络结构突变和增量计算累积误差带来的影响的同时具有较低的时间复杂度。

为实现上述目的，本发明采用如下技术方案：

一种基于密度聚类的增量动态社区发现方法，其特征在于：包括以下步骤：

步骤S1：采集初始时刻t₁的网络数据集，生成网络图G₁；

步骤S2:通过余弦相似度计算初始时刻t₁的网络中节点间距；

步骤S3:采用改进的DBSCAN算法进行初始时刻t₁的社区生成；

步骤S4:对初始时刻t₁生成的社区进行迭代合并，以降低噪声社区对社区发现结果的影响；