JLMC：基于拉普拉斯矩阵的约旦形式的聚类方法

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。