【摘要】：社區(qū)發(fā)現(xiàn)是復(fù)雜網(wǎng)絡(luò)挖掘中的重要任務(wù)之一,在恐怖組織識別、蛋白質(zhì)功能預(yù)測、輿情分析等方面具有重要的理論和應(yīng)用價值.但是,現(xiàn)有的社區(qū)質(zhì)量評判指標具有數(shù)據(jù)依賴性與耦合關(guān)聯(lián)性,而且基于單一評判指標優(yōu)化的網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法有很大的局限性.針對這些問題,將網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)問題形式化為多目標優(yōu)化問題,提出了一種基于多目標粒子群優(yōu)化的網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法MOCD-PSO,它選取模塊度Q、最小最大割MinMaxCut與輪廓(silhouette)這3個指標進行綜合尋優(yōu).實驗結(jié)果表明,MOCD-PSO算法具有較好的收斂性,能夠發(fā)現(xiàn)分布均勻且分散度較高的Pareto最優(yōu)網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)集,并且無論與單目標優(yōu)化方法(GN與GA-Net)相比較,還是與多目標優(yōu)化算法(MOGANet與SCAH-MOHSA)相比較,MOCD-PSO算法都能在無先驗信息的條件下挖掘出更高質(zhì)量的網(wǎng)絡(luò)社區(qū).
[Abstract]:Community discovery is one of the important tasks in complex network mining, which has important theoretical and application value in terrorist organization identification, protein function prediction, public opinion analysis and so on. However, the existing community quality evaluation indicators have data dependence and coupling correlation, and the network community discovery algorithm based on single evaluation index optimization has great limitations. In order to solve these problems, the network community discovery problem is transformed into a multi-objective optimization problem, and a network community discovery algorithm based on multi-objective particle swarm optimization (MOCD-PSO,) is proposed, which selects modularity Q. The three indexes of minimum maximum cut MinMaxCut and outline (silhouette) are optimized synthetically. The experimental results show that the MOCD-PSO algorithm has better convergence and can find the Pareto optimal network community structure set with uniform distribution and high dispersion, and compared with the single objective optimization method (GN and GA-Net). Compared with multi-objective optimization algorithm (MOGANet and SCAH-MOHSA), MOCD-PSO algorithm can mine higher quality network community without prior information.
【作者單位】： 福建師范大學軟件學院;廣西師范大學計算機科學與信息工程學院;School
【基金】：國家自然科學基金(61170131,61263035) 澳大利亞ARC(DP0985456) 國家高技術(shù)研究發(fā)展計劃(863)(2012AA011005) 國家重點基礎(chǔ)研究發(fā)展計劃(973)(2013CB329404) 教育部人文社會科學研究青年基金(12YJCZH074) 福建師范大學優(yōu)秀青年骨干教師培養(yǎng)基金(fjsdjk2012082) 科學計算與智能信息處理廣西高校重點實驗室開放基金(GXSCIIP201212)
【分類號】：TP18;TP393.09

【相似文獻】

相關(guān)期刊論文 前10條

1 池元成;蔡國飆;;基于蟻群算法的多目標優(yōu)化[J];計算機工程;2009年15期

2 周清清;劉勇;;多目標優(yōu)化微分進化改進算法的實現(xiàn)[J];自動化儀表;2009年12期

3 劉淳安;;動態(tài)多目標優(yōu)化進化算法及性能分析[J];計算機仿真;2010年04期

4 馮俊文;多目標優(yōu)化與決策的混合方法及其應(yīng)用[J];系統(tǒng)工程與電子技術(shù);1990年10期

5 黃發(fā)良;張師超;朱曉峰;;基于多目標優(yōu)化的網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)方法[J];軟件學報;2013年09期

6 柳春華;陳旭生;;一種改進的多目標優(yōu)化算法的性能度量方法[J];信陽農(nóng)業(yè)高等專科學校學報;2013年03期

7 段旭朝,趙金鎖,賀建萍;多目標優(yōu)化中的協(xié)調(diào)性問題[J];寶雞文理學院學報(自然科學版);2001年03期

8 周鵬,史忠科,陳小鋒;城市交通聯(lián)網(wǎng)控制及其多目標優(yōu)化實現(xiàn)[J];控制理論與應(yīng)用;2002年02期

9 張勇德,黃莎白;多目標優(yōu)化問題的蟻群算法研究[J];控制與決策;2005年02期

10 趙長見;姚紅;周伯昭;傅維賢;;導(dǎo)彈姿控系統(tǒng)設(shè)計的進化多目標優(yōu)化算法[J];導(dǎo)彈與航天運載技術(shù);2006年04期

相關(guān)會議論文 前10條

1 張翔;;一種無歧義性的多目標優(yōu)化數(shù)值解法[A];中國農(nóng)業(yè)機械學會成立40周年慶典暨2003年學術(shù)年會論文集[C];2003年

2 羅亞中;;航天器軌跡多目標優(yōu)化研究評述[A];The 5th 全國動力學與控制青年學者研討會論文摘要集[C];2011年

3 耿玉磊;張翔;;多目標優(yōu)化的求解方法與發(fā)展[A];福建省科協(xié)第四屆學術(shù)年會——提升福建制造業(yè)競爭力的戰(zhàn)略思考專題學術(shù)年會論文集[C];2004年

4 耿玉磊;張翔;;多目標優(yōu)化的求解方法與發(fā)展[A];福建省科協(xié)第四屆學術(shù)年會提升福建制造業(yè)競爭力的戰(zhàn)略思考專題學術(shù)年會論文集[C];2004年

5 程鵬;唐雁;鄒顯春;;約束多目標優(yōu)化試驗函數(shù)產(chǎn)生器[A];2008年計算機應(yīng)用技術(shù)交流會論文集[C];2008年

6 賈小平;韓方煜;;多目標優(yōu)化及其在過程工程中的應(yīng)用[A];過程系統(tǒng)工程2001年會論文集[C];2001年

7 邢志祥;;滅火救援力量調(diào)集的多目標優(yōu)化[A];第一屆全國安全科學理論研討會論文集[C];2007年

8 孫力;樊希山;姚平經(jīng);;化工過程多目標優(yōu)化適宜解的模糊確定[A];第二屆全國傳遞過程學術(shù)研討會論文集[C];2003年

9 李穎t;昝建明;周建文;;多目標形貌優(yōu)化方法研究[A];結(jié)構(gòu)及多學科優(yōu)化工程應(yīng)用與理論研討會’2009（CSMO-2009）論文集[C];2009年

10 許碧霞;李兆江;;基于循環(huán)經(jīng)濟的城市污水多目標優(yōu)化配置分析[A];中國地理學會2007年學術(shù)年會論文摘要集[C];2007年

相關(guān)博士學位論文 前10條

1 徐志丹;基于生物地理算法的多目標優(yōu)化理論與應(yīng)用研究[D];哈爾濱工程大學;2013年

2 蔣慶;地下水時空變化及監(jiān)測網(wǎng)多目標優(yōu)化研究[D];華中科技大學;2008年

3 陳瓊;演化多目標優(yōu)化多樣性保持策略及其應(yīng)用研究[D];武漢理工大學;2010年

4 劉鎏;多目標優(yōu)化進化算法及應(yīng)用研究[D];天津大學;2010年

5 魏靜萱;解決單目標和多目標優(yōu)化問題的進化算法[D];西安電子科技大學;2009年

6 孫靖;用于區(qū)間參數(shù)多目標優(yōu)化問題的遺傳算法[D];中國礦業(yè)大學;2012年

7 張勇;區(qū)間多目標優(yōu)化問題的微粒群優(yōu)化理論及應(yīng)用[D];中國礦業(yè)大學;2009年

8 何立華;資源不確定條件下項目調(diào)度多目標優(yōu)化研究[D];天津大學;2013年

9 程方曉;基于自適應(yīng)保持多樣性遺傳算法的汽車動力傳動系多目標優(yōu)化[D];吉林大學;2011年

10 苑進;貝葉斯學習框架下非線性制造過程建模及多目標優(yōu)化關(guān)鍵技術(shù)研究[D];上海大學;2008年

相關(guān)碩士學位論文 前10條

1 劉玉;基于改進免疫算法的多目標優(yōu)化研究[D];哈爾濱工程大學;2011年

2 李新蘭;基于非概率凸集的不確定性多目標優(yōu)化及應(yīng)用[D];湖南大學;2011年

3 胡丹;基于量子蟻群的多目標優(yōu)化研究[D];湖南大學;2010年

4 許昆;基于量子衍生方法的粒子群多目標優(yōu)化算法[D];湖南大學;2008年

5 梁士鋒;催化吸收穩(wěn)定系統(tǒng)的多目標優(yōu)化[D];天津大學;2007年

6 劉楠楠;基于進化算法的多目標優(yōu)化算法及應(yīng)用研究[D];南京航空航天大學;2010年

7 李真;基于高維多目標優(yōu)化的集團信息運維指標建模研究與應(yīng)用[D];安徽大學;2013年

8 任羽婧;基于進化算法的動態(tài)多目標優(yōu)化[D];西安電子科技大學;2013年

9 鄭麗君;基于遺傳算法的多目標優(yōu)化與決策方法研究[D];國防科學技術(shù)大學;2003年

10 田志剛;智能多目標優(yōu)化理論及工程應(yīng)用研究[D];大連理工大學;2003年

，

本文編號：2488504