Clustering of dynamic graphs Hauptseminar Networkvisualisation

Abstract

Kurzbeschreibung—Betrachtet man die Graphen realer Netzwerke stellt man fest, dass die Kantenverteilung lokal oftmals stark variiert. In solchen Graphen sind vor allem diejenigen Teilgraphen von Interesse, welche eine hohe Kantendichte haben und deren Knoten stark verknüpft sind. Diese Teilgraphen werden auch Cluster genannt. In diesem Artikel wird eine Zusammenfassung verschiedener Verfahren gegeben, welche solche Cluster in einem Graph finden. Neben dem Clustering klassischer statischer Graphen, werden auch Verfahren vorgestellt, die auf zeitveränderlichen dynamischen Graphen operieren. Hierzu werden im ersten Teil die wichtigsten Eigenschaften von Cluster, k-Cliques und dynamischen Graphen erläutert. Anschließend wird eine Übersicht verschiedener Clusteringverfahren für statische Graphen präsentiert, ihre grundlegenden Funktionsweisen erläutert und anhand dieser eine Einteilung in verschiedene Klassen vorgenommen. Es werden exemplarische die Modularitätsoptimierung, sowie die Clique Percolation Method als zwei Vertreter dieser Algorithmen genauer erläutert. Im letzten Teil werden zwei Verfahren vorgestellt, mit denen Cluster auch in dynamischen Graphen gefunden werden können. Neben einer Erweiterung der Clique Percolation Method, wird ein sogenanntes Time-Step Clustering präsentiert, welches ermöglicht beliebige statische Clusteringverfahren auch auf dynamische Graphen anzuwenden.

Cite this paper

@inproceedings{Hamann2013ClusteringOD, title={Clustering of dynamic graphs Hauptseminar Networkvisualisation}, author={Moritz Hamann}, year={2013} }