本文關(guān)鍵詞： 社區(qū)挖掘 非負(fù)矩陣分解 復(fù)雜網(wǎng)絡(luò) 鏈接信息 屬性信息　出處：《計(jì)算機(jī)學(xué)報(bào)》2017年03期 　論文類型：期刊論文

【摘要】：現(xiàn)有復(fù)雜網(wǎng)絡(luò)社區(qū)挖掘方法由于單一利用節(jié)點(diǎn)鏈接信息或?qū)傩孕畔?從而無法有效發(fā)現(xiàn)成員鏈接緊密且屬性高度相同的社區(qū),針對(duì)該問題提出一種可集成節(jié)點(diǎn)鏈接和屬性信息進(jìn)行社區(qū)挖掘的方法:LANMF.LANMF基于非負(fù)矩陣分解模型,以聯(lián)合矩陣分解的形式統(tǒng)一分解復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)鏈接矩陣以及屬性關(guān)聯(lián)矩陣,可直接獲得節(jié)點(diǎn)與社區(qū)歸屬關(guān)系矩陣以及屬性與社區(qū)關(guān)聯(lián)矩陣,社區(qū)成員在鏈接結(jié)構(gòu)緊密度以及屬性相關(guān)性上可得到很好的保證.設(shè)計(jì)了乘性迭代更新規(guī)則作為聯(lián)合矩陣分解優(yōu)化算法并從數(shù)學(xué)上嚴(yán)格證明了其正確性和收斂性.實(shí)驗(yàn)結(jié)果表明:LANMF的社區(qū)挖掘質(zhì)量優(yōu)于現(xiàn)有典型的同類社區(qū)挖掘方法,能直接有效挖掘社區(qū),而且實(shí)際應(yīng)用表明LANMF適合用于挖掘現(xiàn)實(shí)世界復(fù)雜網(wǎng)絡(luò)中的主題社區(qū)以及重疊社區(qū).
[Abstract]:The existing complex network community mining method due to the single node or link information using the attribute information, which cannot effectively find the member link closely and attribute of the community with the same height, this paper presents a method of mining community integration node links and attribute information: LANMF.LANMF non negative matrix factorization model based on the unified form with matrix decomposition the decomposition of complex network node link matrix and attribute correlation matrix, can be obtained directly between the nodes and belonging to the community and community attribute matrix and correlation matrix, community members in the link structure of compact density and attribute correlation can be well guaranteed. The design of multiplicative iterative update rules as a joint optimization algorithm and matrix decomposition in mathematical to prove the correctness and convergence. The experimental results show that LANMF outperforms the existing typical community mining quality The similar community mining method can directly and effectively excavate the community, and the practical application shows that LANMF is suitable for mining the theme communities and overlapping communities in the real world complex network.

【作者單位】： 仲愷農(nóng)業(yè)工程學(xué)院信息科學(xué)與技術(shù)學(xué)院;華南師范大學(xué)計(jì)算機(jī)學(xué)院;
【基金】：國家“八六三”高技術(shù)研究發(fā)展計(jì)劃項(xiàng)目基金(2013AA01A212) 國家自然科學(xué)基金(61370178,61370229) 廣東省自然科學(xué)基金(S2012030006242,2015A030310509) 廣東省科技計(jì)劃項(xiàng)目(2016A030303058,2016A020210130,2015A020209178,2015B010129009,2014B010103004,2014B010117007,2015A030401087,2015B010110002) 廣州市云計(jì)算安全與測(cè)評(píng)技術(shù)重點(diǎn)實(shí)驗(yàn)室開放基金(GZCSKL-1407)資助~~
【分類號(hào)】：O157.5

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 宋金歌;楊景;陳平;佘玉梅;;一種非負(fù)矩陣分解的快速稀疏算法[J];云南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

2 尹星云;;非負(fù)矩陣分解的基本原理和研究現(xiàn)狀分析[J];科技資訊;2011年35期

3 程明松;劉勺連;;一種實(shí)用快速非負(fù)矩陣分解算法[J];大連理工大學(xué)學(xué)報(bào);2013年01期

4 唐曉芬;陳莉;;最大相關(guān)熵非負(fù)矩陣分解在基因表達(dá)數(shù)據(jù)聚類中的應(yīng)用[J];計(jì)算機(jī)與應(yīng)用化學(xué);2013年11期

5 曾文梅;;基于半監(jiān)督非負(fù)矩陣分解的人流量分析[J];哈爾濱師范大學(xué)自然科學(xué)學(xué)報(bào);2011年02期

6 孟佳音;劉丁酉;;基于分布估計(jì)算法的非負(fù)矩陣分解[J];湖北民族學(xué)院學(xué)報(bào)(自然科學(xué)版);2012年03期

7 王雪明;王套;;非負(fù)矩陣分解的相關(guān)討論[J];湖南農(nóng)機(jī);2013年09期

8 曹勝玉;劉來福;;非負(fù)矩陣分解及其在基因表達(dá)數(shù)據(jù)分析中的應(yīng)用[J];北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年01期

9 李巧;孔薇;;改進(jìn)的非負(fù)矩陣分解在基因表達(dá)數(shù)據(jù)中的應(yīng)用[J];信息技術(shù);2010年12期

10 陳清華;陳六君;郭金忠;;二進(jìn)制約束下的NMF方法及其應(yīng)用[J];北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年01期

相關(guān)會(huì)議論文 前10條

1 孫江明;李通化;;非平滑三維非負(fù)矩陣分解[A];第九屆全國計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

2 蔣永鍇;葉東毅;;基于稀疏非負(fù)矩陣分解的自動(dòng)多文摘方法[A];中國計(jì)算機(jī)語言學(xué)研究前沿進(jìn)展（2007-2009）[C];2009年

3 馬帥;吳飛;楊易;邵健;;基于稀疏非負(fù)矩陣分解的圖像檢索[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2011)論文集【oral】[C];2011年

4 徐利民;龔珊;余再軍;;奇異值分解與非負(fù)矩陣分解色在數(shù)據(jù)降維方面的特性分析[A];2010年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2010年

5 蔡蕾;朱永生;;基于稀疏性非負(fù)矩陣分解和支持向量機(jī)的軸心軌跡圖識(shí)別[A];2008年全國振動(dòng)工程及應(yīng)用學(xué)術(shù)會(huì)議暨第十一屆全國設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2008年

6 蔣霈霖;;KL散度下的非負(fù)矩陣分解[A];中國自動(dòng)化學(xué)會(huì)中南六�。▍^(qū)）2010年第28屆年會(huì)·論文集[C];2010年

7 楊寶;朱啟兵;黃敏;;基于非負(fù)矩陣分解一稀疏表示分類的玻璃缺陷圖像識(shí)別[A];第24屆中國控制與決策會(huì)議論文集[C];2012年

8 錢樂樂;高雋;徐小紅;;非負(fù)性約束的圖像稀疏編碼[A];第七屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2009年

9 朱昊;黃源水;付夢(mèng)印;;基于NMF的道路識(shí)別算法在野外環(huán)境感知中的應(yīng)用[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會(huì)論文集（下冊(cè)）[C];2010年

10 鄭能恒;蔡毅;李霞;Tan Lee;;基于非負(fù)矩陣分解和向量相似測(cè)度的語音與音樂分離算法[A];第十一屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議論文集（一）[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 楊士準(zhǔn);基于樣本和特征的遷移學(xué)習(xí)方法及應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2013年

2 葉軍;基于正則化方法的非負(fù)矩陣分解算法及其應(yīng)用研究[D];南京理工大學(xué);2014年

3 陸玉武;圖像分類中流形回歸與非負(fù)矩陣分解研究[D];哈爾濱工業(yè)大學(xué);2015年

4 張恩德;在線社會(huì)網(wǎng)絡(luò)分析與挖掘若干關(guān)鍵問題研究[D];東北大學(xué);2014年

5 胡俐蕊;非負(fù)矩陣分解方法及其在選票圖像識(shí)別中的應(yīng)用[D];安徽大學(xué);2013年

6 殷海青;圖像分析中的非負(fù)矩陣分解理論及其最優(yōu)化和正則化方法研究[D];西安電子科技大學(xué);2011年

7 楊洪禮;非負(fù)矩陣與張量分解及其應(yīng)用[D];山東科技大學(xué);2011年

8 史加榮;多尺度張量逼近及應(yīng)用[D];西安電子科技大學(xué);2012年

9 方蔚濤;人臉識(shí)別特征抽取算法的研究[D];重慶大學(xué);2012年

10 劉昱昊;基于非負(fù)矩陣分解算法的人臉識(shí)別技術(shù)的研究[D];吉林大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 謝昊;非負(fù)矩陣分解初始化及其應(yīng)用[D];暨南大學(xué);2015年

2 王一;凸與半非負(fù)矩陣分解的近點(diǎn)梯度方法研究[D];東北師范大學(xué);2015年

3 項(xiàng)磊;基于乳腺癌計(jì)算機(jī)輔助診斷的病理圖像分析[D];南京信息工程大學(xué);2015年

4 王丹;基于非負(fù)矩陣分解的腦電信號(hào)特征提取算法研究[D];燕山大學(xué);2015年

5 馬春霞;非負(fù)矩陣分解及在基因表達(dá)數(shù)據(jù)分析中的應(yīng)用研究[D];曲阜師范大學(xué);2015年

6 崔艷榮;基于非負(fù)矩陣分解的高光譜遙感數(shù)據(jù)融合方法分析及應(yīng)用[D];電子科技大學(xué);2014年

7 賴淑珍;非負(fù)矩陣分解若干算法研究與應(yīng)用[D];電子科技大學(xué);2014年

8 趙龍;基于多流形正則化非負(fù)矩陣分解的多視圖聚類[D];大連理工大學(xué);2015年

9 黃震;基于多視角非負(fù)矩陣分解的同名區(qū)分算法研究[D];大連理工大學(xué);2015年

10 邵強(qiáng);改進(jìn)的非負(fù)矩陣分解算法及其在人臉識(shí)別中的應(yīng)用[D];河北工業(yè)大學(xué);2015年

，

本文編號(hào)：1545208