数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica

数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica

在复杂的网络中，由节点的异构性标识的集群结构已成为一种常见且重要的拓扑属性。 因此，网络聚类方法对于研究复杂网络具有重要意义。 当前，许多典型的聚类算法都有一些缺点，例如不准确和收敛缓慢。 在本文中，我们通过计算节点的核心影响力提出了一种聚类算法。 聚类过程是对社会学中聚类形成过程的模拟。 该算法通过节点之间的中心性来检测具有核心影响的节点，并通过判别函数构建集群的核心结构。 接下来，通过优化方法对网络中的其余节点进行聚类后，该算法将获得最终的聚类结构。 在不同数据集上的实验表明，该算法的聚类精