針對復雜網絡社區(qū)結構具有重疊性的問題,目前已提出許多不同類型的解決方法,其中基于對稱二值非負矩陣分解（SBNMF）的重疊社區(qū)發(fā)現(xiàn)方法是具有代表性的方法。然而,SBNMF在面對社區(qū)內部鏈接稀疏的網絡時,其重疊社區(qū)發(fā)現(xiàn)性能低下,為此提出一種基于改進SBNMF（ISBNMF）的重疊社區(qū)發(fā)現(xiàn)方法。首先利用對稱非負矩陣分解得到的因子矩陣構建社區(qū)內部鏈接稠密的新網絡,然后再使用基于Frobenius范數的SBNMF模型對新網絡的鄰接矩陣進行分解,最后通過網格搜索法或梯度下降法得到可以顯式指示節(jié)點的社區(qū)隸屬關系的二值矩陣。在人工合成的和真實的網絡數據集上進行大量實驗,結果表明ISBNMF的社區(qū)發(fā)現(xiàn)性能優(yōu)于SBNMF和其他代表性方法。 

【文章頁數】：8 頁

【參考文獻】：
期刊論文
[1]一種高效的隨機塊模型學習算法[J]. 趙學華,楊博,陳賀昌.  軟件學報. 2016(09)
[2]識別高質量重疊社區(qū)的高效算法[J]. 姚新亮,鐘誠.  小型微型計算機系統(tǒng). 2016(03)
[3]基于對稱非負矩陣分解的重疊社區(qū)發(fā)現(xiàn)方法[J]. 胡麗瑩,郭躬德,馬昌鳳.  計算機應用. 2015(10)



本文編號：3711185