基于结构相似度社团检测算法

　　复杂网络中普遍存在着一定的社团结构，社团检测具有重要的理论意义和实际价值。为了提高复杂网络中社团检测的性能，提出了一种基于结构相似度仿射传播的社团检测算法。首先，选取结构相似度作为节点之间的相似性度量，并采用了一种优化的方法来计算复杂网络的相似度矩阵；其次，将计算得到的相似度矩阵作为输入，采用快速仿射传播（ FAP）算法进行聚类；最后，得到最终的社团结构。实验结果表明，所提算法在LFR（ Lancichinetti-Fortunato-Radicchi）模拟网络上的社团检测平均标准化互信息（NMI）值为65.1%，要高于标签传播算法（IPA）的45.3%以及CNM（ Clauset-Newman-Moore）算法的49. 8%；在真实网络上的社团检测平均模块度值为53. l%，要高LPA算法的39. 9%以及CNM算法的47.8%，具有更好的社团检测能力，能够发现更高质量的社团结构。