Detección de comunidades en redes mediante el uso de medidas borrosas

Abstract

La manipulación y análisis de grandes volúmenes de datos es un asunto cada vez más relevante en el mundo actual. En el área de la Ciencia y Análisis de Datos, existe una gran cantidad de herramientas desarrolladas para el modelado y resolución de problemas basados en situaciones reales, entre las que cabe destacar las redes complejas o grafos, modelos muy útiles para la representación de conjuntos de unidades o elementos conectados entre sí. Redes neuronales, especies animales que interactúan entre sí, sistemas biológicos y químicos, la World Wide Web y las diferentes redes sociales on line como Facebook, Twitter o LinkedIn, son algunos ejemplos de situaciones comúnmente modeladas mediante redes complejas o grafos. Este tipo de redes tiene ciertas propiedades topológicas y funcionales, y sus elementos suelen presentar patrones de interconexión que están lejos de ser regulares o aleatorios. Esta memoria se ha centrado en el estudio de la estructura de comunidades que suele caracterizar a las redes complejas. El problema relativo a la búsqueda de grupos de elementos altamente conectados en un grafo recibe el nombre de problema de detección de comunidades. Obtener una buena partición del conjunto de nodos, coherente, cohesiva, robusta y con buenas propiedades, simplifica enormemente el proceso de análisis de una red compleja...