通过跳跃次优树状图优化网络聚类
物理与社会
2009-07-03 v2
摘要
我们提出了一种通过引入树状图跳跃（dendrogram jumping）来改进基于凝聚的网络社区划分技术的方法。该方法基于次优树状图的迭代，而非对每个凝聚步骤进行优化。我们发现该算法展现出优异的计算复杂度缩放行为。在当前形式下，该算法的缩放比例为 ，但通过使用更高效的数据结构，有望实现 的缩放比例。我们将结果与贪婪算法（greedy algorithm）和极值优化方法（extremal optimization method）等其他方法进行了比较。我们发现其模块度值高于贪婪算法，并与极值优化方法的值相当。
引用
@article{arxiv.0711.1603,
title = {Optimized network clustering by jumping sub-optimal dendrograms},
author = {Nicolas Bock and Erik Holmström and Johan Brännlund},
journal= {arXiv preprint arXiv:0711.1603},
year = {2009}
}