许多真实网络展出的拓扑模式激励了基于拓扑的方法的发展，以评估网络的相似性。然而，提取拓扑结构是困难的，特别是对于节点度范围超过多个数量级的大型和密集网络。在本文中，我们提出了一种新颖的和计算实用的拓扑集群聚类方法，将复杂网络与复杂的拓扑结构从持续的同源性和最优运输中使用主治理论。这种网络通过基于其拓扑和几何结构的基于质心的聚类策略聚合到集群中，在不同网络中保留了节点之间的对应关系。拓扑接近和质心的概念使用新颖的和有效的方法来计算Wassersein距离和持久性条形码的持久条形码计算，以及与连接的分量和循环相关联的持久性条形码。所提出的方法被证明使用模拟网络和测量的功能性脑网络有效。
translated by 谷歌翻译