标签: 模糊聚类

为了逼近真实世界复杂网络，方向性和模糊性是不断发展的网络社团提取方法必须加以考虑的重要特性。在有向网络中研究和分析模糊社团结构具有一定的现实意义。为开发有向网络的模糊社团分析方法，本文构建了一种基于改进的非负奇异值分解法的最优化框架，用矩阵分解技术得到了有向网络中描述点团之间有向关联关系的一种新模糊度量。实验证明新度量不仅能用来提取有向网络的模糊社团，而且可用于对有向网络的社团拓扑结构做深度分析，例如分析社团之间的宏观有向关联关系，对社团间的有向连接贡献程度加以量化并提取重要节点等。城市路网含有大量方向性信息，路网效能强烈依赖其结构鲁棒性，本方法可用于城市路网社团结构划分与脆弱性分析，为提高路网效能提供整体结构特性方面的参考。

提取复杂网络的社团结构有助于深入分析复杂网络结构特性。本文以模糊分析视角切入有向网络聚类问题，以一种新的矩阵分解方法获取两个具有特定含义的模糊度量，分别对应点到团的有向关联关系和团到点的有向关联关系，可视为对作为模糊聚类结果的点团隶属关系表达方法的一种拓展。在人工生成的有向网络和语义关联网络等网络中验证了算法的可行性和有效性。现实世界中城市路网具有明显方向性，是典型的有向网络，本方法还可为以提高城市路网效能为目的的路网拓扑结构特性研究提供技术手段。