[发明专利]基于标签传播自然启发式的动态网络社团结构识别方法

权利要求书

1.基于标签传播自然启发式的动态网络社团结构识别方法，其特征在于：该方法包括以下步骤：

S1：输入动态网络G＝{G₁,G₂,...,G_T}的邻接矩阵A＝{A₁,A₂,...,A_T}；

S2：判断t是否到达最终时刻，若否，则继续执行S3，并让t＝t+1；若是，则执行S14；

S3：初始化邻居数目，粒子群数目，最大迭代数，学习因子，突变率；

S4：判断k是否到达最大迭代数，若否，则继续执行S5，并让k＝k+1；若是，则执行S13；

S5：判断i是否到达最大粒子数，若否，则继续执行S6，并让i＝i+1；若是，则执行S13；

S6：基于改进的标签传播算法给粒子群赋予初始位置；改进的标签传播方式为：

Neighbor(i)是邻居节点集合，公式(1)是每个节点从邻居节点集合中随机选出一个节点作为标签，产生一个随机序列；公式(2)是根据节点的度降序排列，然后采用同步更新规则进行节点更新；

S7：采用单程交叉操作，将更好的维持社团结构的稳定性；

S8：当随机数小于突变率时，就发生突变操作；突变操作是将粒子群位置在按照公式(2)，进行一次异步更新；

S9：粒子群更新规则为：

其中，是粒子群个体最优位置；

是粒子群全局最优位置；c是学习因子；ω是惯性权重；

公式(3)中：是异或操作，操作是将两个速度矢量相加，形成新的速度矢量；假设：则详细操作如下定义：

公式(4)中：速度矢量和位置矢量通过操作形成新的位置矢量；假设：v＝{v₁,v₂,…,v_n}，则详细操作如下定义：

其中，L_i＝{l₁,l₂,…,l_k}是邻居节点集合，若i＝＝j，则否则，

S10：目标函数模块度Q的具体定义如下：

n是节点数目，m是边数，k_i是节点i的度，若节点i和j属于相同群集，则δ(i,j)＝1，否则等于0；标准互信息(NMI)的定义如下：

C是混淆矩阵，N是节点数目，C_ij是社区A和B共享的节点数目，C_A或C_B是划分A或者划分B的群集数量，C_i或C_j是C在i行或j列矩阵C的元素数目；

S11：首先用切比雪夫不等式定义第i层优化目标，具体定义如下：

其中，权向量是一个参考点，z^*＝{maxf_j(x)|x_i∈X}；

然后，用切比雪夫不等式判定全局最优和个体最优是否需要更新，具体如下：

若g^te(x_i|ω_i,z^*)＜g^te(pbest_i|ω_i,z^*)，则pbest_i＝x_i

若g^te(x_i|ω_j,z^*)＜g^te(gbest_j|ω_j,z^*)，则gbest_j＝x_i，j属于邻居b_i；

S12：更新非支配解集时，将所有被x_i支配的解从解集中移除，然后把x_i加入解集；

S13：选出非支配解集中最高NMI值对应的聚类结果当作t时刻网络的社团划分，并保存划分结果；

S14：输出动态网络的社团划分C＝{C¹,C²,...,C^T}。