论文部分内容阅读
提出一种称为TRAVEL的网络聚类算法．它能够产生包含所有可能密度聚类的网络链接遍历序列，并从中自动发现网络的全局优化聚类．然后，遍历序列被转换为连续子区间堆结构．在此基础上，提出一种聚类算法HCLU，可以无须用户干预地从连续子区间堆中自动发现网络的层次聚类边界．在真实网络以及计算机生成的仿真网络数据集上的实验结果表明，所提出的算法比目前的基准方法具有更高的聚类精度．此外，算法能够从各种带有噪声的网络中发现无冗余且鲁棒的层次社团结构．