本文選題：復(fù)雜網(wǎng)絡(luò)　切入點：支持向量機　出處：《小型微型計算機系統(tǒng)》2014年10期

【摘要】：研究復(fù)雜網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu),有助于發(fā)現(xiàn)網(wǎng)絡(luò)結(jié)構(gòu)和功能的關(guān)系,進而理解復(fù)雜網(wǎng)絡(luò)的組成規(guī)律、預(yù)測復(fù)雜網(wǎng)絡(luò)的行為.文章基于支持向量機的思想和LM(Louvain Method)非重疊社區(qū)發(fā)現(xiàn)算法,提出一種采用鄰居投票機制的LM-NV(Louvain Method with Neighbor Voting)重疊社區(qū)發(fā)現(xiàn)方法,基本思想是保留非重疊社區(qū)的部分結(jié)構(gòu),采用一種基于局部信息的鄰居投票機制僅對社區(qū)邊界節(jié)點的社區(qū)隸屬情況進行判別.LM-NV算法易于擴展到大規(guī)模復(fù)雜網(wǎng)絡(luò),同時不存在對社區(qū)個數(shù)的初始化問題.在基準(zhǔn)測試網(wǎng)絡(luò)和真實網(wǎng)絡(luò)上的實驗結(jié)果表明LM-NV算法不僅具有良好的時間效率,而且在社區(qū)發(fā)現(xiàn)準(zhǔn)確度上優(yōu)于其它代表性算法.
[Abstract]:The study of community structure in complex network is helpful to discover the relationship between network structure and function, to understand the composition of complex network, and to predict the behavior of complex network.Based on the idea of support vector machine (SVM) and the algorithm of LM(Louvain method non-overlapping community discovery, this paper proposes a LM-NV(Louvain Method with Neighbor mapping method based on neighbor voting mechanism. The basic idea is to preserve the partial structure of non-overlapping community.The neighborhood voting mechanism based on local information can only judge the community membership of the community boundary nodes. The algorithm is easy to be extended to large-scale complex networks and does not initialize the number of communities.The experimental results on benchmark network and real network show that the LM-NV algorithm not only has good time efficiency, but also is superior to other typical algorithms in community discovery accuracy.
【作者單位】： 信息工程大學(xué)網(wǎng)絡(luò)空間安全學(xué)院;數(shù)學(xué)工程與先進計算國家重點實驗室;
【基金】：數(shù)學(xué)工程與先進計算國家重點實驗室基金項目(2013A02)資助
【分類號】：TP393.09

【共引文獻】

相關(guān)期刊論文 前10條

1 楊緒兵,韓自存;ε不敏感的核Adaline算法及其在圖像去噪中的應(yīng)用[J];安徽工程科技學(xué)院學(xué)報(自然科學(xué)版);2003年04期

2 陶秀鳳,唐詩忠,周鳴爭;基于支持向量機的軟測量模型及應(yīng)用[J];安徽工程科技學(xué)院學(xué)報(自然科學(xué)版);2004年02期

3 許高程;張文君;王衛(wèi)紅;;支持向量機技術(shù)在遙感影像滑坡體提取中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2009年06期

4 郭立萍;唐家奎;米素娟;張成雯;趙理君;;基于支持向量機遙感圖像融合分類方法研究進展[J];安徽農(nóng)業(yè)科學(xué);2010年17期

5 馮學(xué)軍;;最小二乘支持向量機的研究與應(yīng)用[J];安慶師范學(xué)院學(xué)報(自然科學(xué)版);2009年01期

6 鄒心遙;姚若河;;基于LSSVM的威布爾分布形狀參數(shù)估計(英文)[J];半導(dǎo)體技術(shù);2008年06期

7 鄒心遙;姚若河;;基于LSSVM的小子樣元器件壽命預(yù)測[J];半導(dǎo)體技術(shù);2011年09期

8 李卓遠(yuǎn),吳為民,王e，

本文編號：1730371