本文選題：復(fù)雜網(wǎng)絡(luò) + 大數(shù)據(jù)�。� 參考：《軟件學(xué)報(bào)》2017年03期

【摘要】：提出一種新的面向復(fù)雜網(wǎng)絡(luò)大數(shù)據(jù)的重疊社區(qū)檢測(cè)算法DOC(detecting overlapping communities over complex network big data),時(shí)間復(fù)雜度為O(nlog2(n)),算法基于模塊度聚類和圖計(jì)算思想,應(yīng)用新的節(jié)點(diǎn)和邊的更新方法,利用平衡二叉樹(shù)對(duì)模塊度增量建立索引,基于模塊度最優(yōu)的思想設(shè)計(jì)一種新的重疊社區(qū)檢測(cè)算法.相對(duì)于傳統(tǒng)的重疊節(jié)點(diǎn)檢測(cè)算法,對(duì)每個(gè)節(jié)點(diǎn)分析的頻率大為降低,可以在較低的算法運(yùn)行時(shí)間下獲得較高的識(shí)別準(zhǔn)確率.復(fù)雜網(wǎng)絡(luò)大數(shù)據(jù)集上的算法測(cè)試結(jié)果表明:DOC算法能夠有效地檢測(cè)出網(wǎng)絡(luò)重疊社區(qū),社區(qū)識(shí)別準(zhǔn)確率較高,在大規(guī)模LFR基準(zhǔn)數(shù)據(jù)集上其重疊社區(qū)檢測(cè)標(biāo)準(zhǔn)化互信息指標(biāo)NMI最高能達(dá)到0.97,重疊節(jié)點(diǎn)檢測(cè)指標(biāo)F-score的平均值在0.91以上,且復(fù)雜網(wǎng)絡(luò)大數(shù)據(jù)下的運(yùn)行時(shí)間明顯優(yōu)于傳統(tǒng)算法.
[Abstract]:A new overlay community detection algorithm for complex networks, big data oriented, is proposed. The time complexity of DOC (detecting overlapping communities over complex network big data), is O (nlog2 (n), algorithm is based on the idea of modular clustering and graph computing), and a new updating method of nodes and edges is applied. A new overlapping community detection algorithm is designed based on the idea of modularity optimization by using the balanced binary tree to index the modular degree increment. Compared with the traditional overlapped node detection algorithm, the analysis frequency of each node is greatly reduced, and the recognition accuracy can be obtained under the lower running time of the algorithm. The test results on the big data set of complex networks show that the big data algorithm can effectively detect the overlapping communities of the network, and the accuracy of community recognition is high. On the large scale LFR benchmark data set, the maximum of overlapping community detection standardized mutual information index (NMI) can reach 0.97, and the average value of overlapping node detection index F-score is above 0.91, and the running time of complex network big data is obviously better than that of the traditional algorithm.
【作者單位】： 成都信息工程大學(xué)信息安全工程學(xué)院;成都信息工程大學(xué)管理學(xué)院;西南交通大學(xué)信息科學(xué)與技術(shù)學(xué)院;北京大學(xué)計(jì)算機(jī)科學(xué)技術(shù)研究所;哈爾濱工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;Department
【基金】：國(guó)家自然科學(xué)基金(61100045,61363037) 教育部人文社會(huì)科學(xué)研究規(guī)劃基金(15YJAZH058);教育部人文社會(huì)科學(xué)研究青年基金(14YJCZH046) 成都市軟科學(xué)項(xiàng)目(2015-RK00-00059-ZF) 四川省教育廳資助科研項(xiàng)目(14ZB0458)~~
【分類號(hào)】：TP311.13;O157.5

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 梁鋒;一種求整體最優(yōu)的快速混合算法[J];數(shù)值計(jì)算與計(jì)算機(jī)應(yīng)用;1989年02期

2 楊昭軍;;體能預(yù)測(cè)模型算法收斂性證明[J];湖南稅專學(xué)報(bào);1996年01期

3 李枝勇;馬良;張惠珍;;蝙蝠算法收斂性分析[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2013年12期

4 喻壽益;鄺溯瓊;;保留精英遺傳算法收斂性和收斂速度的鞅方法分析[J];控制理論與應(yīng)用;2010年07期

5 堵丁柱,堵秀鳳;陡度引理的強(qiáng)化與應(yīng)用[J];中國(guó)科學(xué)(A輯 數(shù)學(xué) 物理學(xué) 天文學(xué) 技術(shù)科學(xué));1991年12期

6 朱賢陽(yáng),李敬,任朗,汪文秉;修正變步長(zhǎng)自適應(yīng)算法[J];科學(xué)通報(bào);1996年16期

7 張業(yè)榮,聶在平,漆蘭芬;用于非均勻介質(zhì)重建的選代算法收斂性的研究[J];電波科學(xué)學(xué)報(bào);1998年02期

8 葉志偉;周欣;夏彬;;蟻群算法研究應(yīng)用現(xiàn)狀與展望[J];吉首大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

9 沈繼紅;王侃;李璞;;基于改進(jìn)蟻群算法的船舶人員疏散問(wèn)題研究[J];控制工程;2013年05期

10 王則柯,徐森林;計(jì)算多項(xiàng)式零點(diǎn)的一種單純輪回算法[J];高等學(xué)校計(jì)算數(shù)學(xué)學(xué)報(bào);1985年04期

相關(guān)會(huì)議論文 前2條

1 任偉建;陳建玲;韓冬;王鳳妤;;蟻群算法綜述[A];2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

2 張丹;華紅艷;邵麗紅;;擾動(dòng)蟻群算法中參數(shù)的優(yōu)化選擇[A];中國(guó)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

相關(guān)博士學(xué)位論文 前1條

1 王允良;飛行器總體參數(shù)優(yōu)化的進(jìn)化算法及其應(yīng)用研究[D];西北工業(yè)大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 孟曉琳;蟻群算法的研究及其應(yīng)用[D];西南交通大學(xué);2015年

2 丁雪海;基于群智能的多目標(biāo)關(guān)聯(lián)規(guī)則挖掘算法應(yīng)用研究[D];上海大學(xué);2014年

3 陳貞貞;基于FPGA的壓縮感知恢復(fù)算法的研究與實(shí)現(xiàn)[D];中國(guó)科學(xué)院研究生院(空間科學(xué)與應(yīng)用研究中心);2015年

4 葛曼;基于稀疏表示的魯棒相位恢復(fù)算法研究[D];燕山大學(xué);2016年

5 胡瀛月;人工蜂群算法的改進(jìn)及相關(guān)應(yīng)用研究[D];中原工學(xué)院;2016年

6 高明芳;基于粒子群蟻群混合算法的物流車輛路徑問(wèn)題研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2016年

7 周文明;基于智能算法的移動(dòng)機(jī)器人路徑規(guī)劃研究[D];南京理工大學(xué);2016年

8 岳振芳;教與學(xué)優(yōu)化算法的改進(jìn)研究[D];寧夏大學(xué);2016年

9 繆志勇;車聯(lián)網(wǎng)平臺(tái)下基于優(yōu)化蟻群算法的公交調(diào)度系統(tǒng)優(yōu)化[D];江西農(nóng)業(yè)大學(xué);2016年

10 陳振;混合型蝙蝠搜索優(yōu)化算法及其應(yīng)用研究[D];廣西大學(xué);2014年

，

本文編號(hào)：2066577