一种面向复杂网络的快速模块结构识别算法

模块结构(社区结构)是普遍存在于复杂网络,如生物中的蛋白质互作用网络、基因调控网络、代谢网络等,对其识别能够帮助人们更好地理解网络结点之间的联系及其工作原理.当前如何快速准确地识别出复杂网络中蕴含的模块结构是复杂网络分析的一个重要挑战.文章提出了一种新的快速模块结构识别算法,将密度峰值和k均值聚类算法进行了扩展和融合,定义了适合网络的局部密度与分离度估计、相似性度量和类的表示等.新算法通过密度峰值聚类获得类中心并利用k均值的迭代优化实现大规模网络的快速划分,识别其中的有效模块结构.最后将新算法与快速模块最大化、快速展开、正规化谱聚类和标签传播等经典模块识别算法进行了实验比较,展示了新算法相比其他算法能够更好地平衡模块识别的精度和效率,更加适合于处理大规模网络结构数据.