基于不确定性计算的复杂网络社团结构探测算法研究

The community structure detection is the core of complex network research, and the main goal is to use some computational methods to detect community structures. These computational methods can reduce about 95% labor force needed in the traditional methods and fasten the discovery process. Therefore, the development of computational methods is critical for understanding the characteristics of the networks.. Our research focuses on two aspects: (1) the development of community detecting algorithms. (2) the establishment of evaluation metrics .. The contributions of our plan are as follows: (1) We use the fuzzy clustering analysis method to detect community structures in complex networks. (2) Our propsed algorithm is based on the combination of the kernel-based clustering using quantum mechanics, the spectral clustering technique and the concept of the Bayesian information criterion. (3) Fuzzy quantum clustering algorithm is the improved quantum algorithm. We introduce fuzzy membership function to determine the importance of nodes in the network and use fuzzy quantum clustering algorithm to detect the community structures in complex networks.

社团结构的探测算法是复杂网络研究的重点内容，主要探讨各种探测算法，准确并有效地划分复杂网络中的社团结构。这种算法辅助探测手段可以减少实验工作量，加快社团结构的发现，对于了解网络结构和分析网络特性起到了重要的作用。. 我们的研究工作主要从以下两个方面进行：(1) 基于不确定性计算的无权网络和加权网络的探测算法研究；(2) 探测算法评价体系研究。研究特色和主要贡献为：(1)采用模糊聚类分析的方法进行复杂网络社团结构的探测；(2) 提出量子谱聚类算法，用于复杂网络社团结构的探测；(3) 引入模糊隶属度函数，判定复杂网络中的节点在网络中的重要性的大小，并根据这种重要性，提出模糊量子聚类算法，用于探测复杂网络中的社团结构。

社团结构的探测算法是复杂网络研究的重点内容，本项目主要探讨基于不确定计算方法的各种探测算法，准确并有效地划分复杂网络中的社团结构。这种算法辅助探测手段可以减少实验工作量，加快社团结构的发现，对于了解网络结构和分析网络特性起到了重要的作用，对于更好的了解复杂网络具有重要意义。. 我们的研究工作主要从以下两个方面进行：(1) 基于不确定性计算的无权网络和加权网络的探测算法研究；(2) 探测算法评价体系研究。我们已按计划完成了以上任务。研究进展和成果主要分为以下几个部分：(1) 鉴于量子聚类算法在确定类数以及类的中心点时存在的理论优势，我们将量子聚类算法、模糊数理论以及谱聚类算法结合起来，提出了模糊量子谱聚类算法，用于复杂网络社团结构的探测；(2) 针对模糊聚类方法在应用时存在的局限性，提出了量子模糊聚类算法， 在量子空间中对数据样本进行聚类分析，并将该算法应用于复杂网络的社团结构探测。该研究成果已投稿至SCI期刊《Journal of Medical Imaging and Health Informatics》，标注本项目资助；(3)采用两个算法评价指标，与上述两个算法结合成一个完整的探测算法系统；(4) 在本项目的支持下，主持人做为主要完成人参与获得一项国家自然科学基金青年基金项目(11301552)。