作者：杨晓波; 陈楚湘; 王至婉复杂网络社团发现节点相似性杰卡德系数
摘要：传统的局部适应度社团发现算法（LFM）在社团结构模糊的网络中精度下降严重。针对此问题,提出LFMJ算法。利用邻居节点信息和改进的杰卡德系数重构网络,使网络结构更为清楚,社团划分结果更为准确。为验证算法,选择了5种算法在LFR网络和真实网络中进行测试,包括LFMJ、LFM和传统的LPA算法以及性能较好的WT和FUA算法。结果表明：在标准LFR网络中,LFMJ精度高于LFM和LPA,与FUA和WT相当;在真实网络和具有重叠结构的LFR网络中,LFMJ精度优于其他4种算法。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《复杂系统与复杂性科学》（CN：37-1402/N）是一本有较高学术价值的大型季刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《复杂系统与复杂性科学》办刊宗旨：坚持党的四项基本原则，执行党和国家有关科技与出版的各项政策，贯彻“百花齐放，百家争鸣”的方针。
杂志详情
