控制与决策

作者：陈梅,徐开泉,王欢,王松

单位：兰州交通大学 电子与信息工程学院，甘肃 兰州 730070,,兰州交通大学 电子与信息工程学院，甘肃 兰州 730070,,兰州交通大学 电子与信息工程学院，甘肃 兰州 730070,,兰州交通大学 电子与信息工程学院，甘肃 兰州 730070,

关键词：社团检测;密度峰值;局部密度;相对距离;种子节点

基金：国家自然科学基金项目(62266029)；甘肃省高等学校产业支撑计划项目(2022CYZC-36)；甘肃省重点研发计划项目(24YFGA036).

针对现有社团检测算法在局部密度计算中忽略邻居多样性结构, 以及在种子选择阶段难以同时兼顾全局结构与局部特征的问题, 提出一种密度峰值种子扩散的局部社团检测算法(DPCD). 首先, DPCD通过区分节点的独立邻居与共享邻居, 并结合邻居间的结构相似性信息, 构建一种新的局部密度定义方式, 更准确地刻画节点在局部结构中的聚集程度; 同时, 结合节点相对距离与网络平均度阈值, 筛选出具有代表性与空间分布合理性的种子节点, 从而在全局与局部尺度上均具有良好的适应性. 最后, 通过基于邻居局部密度的标签更新策略, 进一步优化节点的社团归属. DPCD在全面考虑网络整体分布特性及社团内部连接特征的基础上, 可显著提高检测性能.在多种真实和人工网络中的大量实验表明, DPCD均优于其他算法.

来源：2025年第11期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第11期