Evolving the attribute flow for dynamical clustering in signed networks

در شبکه های واقعی، خوشه بندی ارزش زیادی برای تجزیه و تحلیل، طراحی و بهینه سازی سیستم های پیچیده متعددی در علوم و مهندسی طبیعی دارد، برای مثال سیستم های تامین برق، شبکه های حمل و نقل مدرن و شبکه های دنیای واقعی. با این حال، اکثر آنها به سادگی به چگالی لبه ها به جای نشانه هایی از لبه ها به عنوان ویژگی های خوشه توجه دارند، که معمولا به پیچیدگی محاسباتی در سطح بالا رنج می برند. در این مقاله، یک قانون جدید برای به روز رسانی جریان ویژگی ها پیشنهاد می شود که می تواند خوشه بندی شبکه را به حالت همگونی بهینه تضمین کند. مقررات به روز رسانی مثبت و منفی که ما معرفی کردیم، نشان دهنده روابط تعاونی و خصمانه است و پیکربندی صفت همگرا است و می تواند پیکربندی خوشه ای معقول را به صورت خودکار شناسایی کند. یک الگوریتم با راندمان بالا پیشنهاد شده است: یک رابطه تقریبا خطی بین پیچیدگی زمان و اندازه در شبکه های اسپرد وجود دارد. در نهایت، ما تأیید عملکرد الگوریتمی را با یک شبیه سازی نماینده در اطلاعات مربوط به همبستگی جنگ انجام می دهیم.