在当前的复杂网络聚类算法中,基于拉普拉斯算子的谱聚类算法具有严格的数学基础和较高的精度。 但是,由于它们依赖于先验知识(例如集群数),因此其应用受到限制。 对于大多数应用场景,很难获得预先群集。 为了解决这个问题,我们提出了一种新颖的聚类算法-基于拉普拉斯矩阵的聚类算法(JLMC)的乔丹形式。 在JLMC中,我们提出了一个模型,该模型基于复杂网络中相应拉普拉斯矩阵的Jordan形式来计算簇的数量(n)。 JLMC通过使用我们建议的模块化密度函数(P函数)将网络分为n个集群。 我们对真实和综合数据进行了广泛的实验, 结果表明,JLMC可以准确地获取复杂网络中的簇数,并且在聚类精度和时间复杂度方面均优于Fast-Newman算法和Girvan-Newman算法。
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~