摘要: 传统对称非负矩阵分解方法在解决复杂网络社区发现问题时，存在计算结果不稳定、收敛速度慢等问题，为此，本文提出一种结合奇异值分解（SVD）的对称非负矩阵分解（SNMF）复杂网络社区发现方法．首先利用奇异值分解，对复杂网络特征矩阵的K秩近似矩阵进行两次近似，得到有效的初始化矩阵．然后利用对称非负矩阵分解，求出最终的矩阵因子，并通过节点类别判定，获得网络社区结构．在人工合成网络和真实世界网络上进行了实验，结果表明本文提出的方法在复杂网络社区发现问题上稳定有效，在收敛速度和社区发现精度上较传统对称非负矩阵分解方法有所提高．