In diversen Forschungsgebieten lassen sich Relationen zwischen Objekten durch Netzwerke darstellen. Eine wichtige Fragestellung innerhalb der Analyse komplexer Gefüge ist die Identifikation eng vernetzter Gruppen von Objekten, welche auch Cluster genannt werden. Solche Strukturen lassen sich als Netzwerke abbilden, in denen die Objekte den Knoten und ihre Beziehungen den Kanten entsprechen. Diese Arbeit stellt eine neue Methode zur Bildung von Clustern in Netzwerken vor. Dabei werden hierarchische Verfahren, die ursprünglich zur Clusteranalyse von (Un-)Ähnlichkeits- bzw. Distanzdaten entwickelt wurden, auf Netzwerke übertragen und weiterentwickelt. Dazu wird die Adjazenzstruktur des Netzwerks unter Verwendung der Längen kürzester Wege innerhalb der Netzwerke in Distanzdaten überführt.

Autorentext

Alexandra Rebecca Klages, geboren 1982 in Göttingen; 2008 Abschluss als Diplom-Mathematikerin an der Technischen Universität Braunschweig; 2012 Promotion am Institut für Entscheidungstheorie und Unternehmensforschung (ETU) des Karlsruher Instituts für Technologie (KIT).

Inhalt

Inhalt: Modularität als Gütemaß für Cluster in Netzwerken - Eigenschaften, Kritik und Alternativen der Modularität - Clustermethode mit kürzesten Weglängen für (un-)gewichtete, (un-)gerichtete Netzwerke - Implementierung in MATLAB - Tests auf realen Netzwerken sowie auf Benchmark Netzwerken von Lancichinetti et al.