圖表示社區(qū)檢測使用圖表示方法學(xué)習(xí)網(wǎng)絡(luò)節(jié)點(diǎn)的向量表示,然后對(duì)節(jié)點(diǎn)向量進(jìn)行聚類獲得社團(tuán)結(jié)構(gòu).然而經(jīng)典的聚類算法在聚類節(jié)點(diǎn)向量時(shí),得到的結(jié)果往往不能夠體現(xiàn)社區(qū)的特性.提出一種新型的聚類覆蓋算法,將聚類所得覆蓋視為社區(qū)劃分結(jié)果.首先在節(jié)點(diǎn)向量空間中計(jì)算得到每個(gè)簇的覆蓋中心;然后根據(jù)覆蓋中心到同類樣本的平均距離作為覆蓋半徑,在向量空間中形成覆蓋;最后對(duì)未覆蓋的點(diǎn)做二次劃分得到社區(qū)結(jié)構(gòu).在多個(gè)有真實(shí)和無真實(shí)標(biāo)簽網(wǎng)絡(luò)的實(shí)驗(yàn)表明,所提出的算法可以得到更合理的社區(qū)結(jié)果. 

【文章來源】：電子學(xué)報(bào). 2020,48(09)北大核心EICSCD

【文章頁數(shù)】：8 頁

【文章目錄】：
1 引言
2 相關(guān)工作
    2.1 傳統(tǒng)社區(qū)發(fā)現(xiàn)算法
    2.2 圖表示方法
    2.3 交叉覆蓋算法
3 算法描述
    3.1 相關(guān)定義
        3.1.1 問題定義
        3.1.2 符號(hào)定義
    3.2 聚類覆蓋算法
        3.2.1 覆蓋中心和覆蓋半徑
        3.2.2 未覆蓋節(jié)點(diǎn)處理
    3.3 基于聚類覆蓋的圖表示社區(qū)檢測算法
4 實(shí)驗(yàn)分析
    4.1 數(shù)據(jù)集
    4.2 對(duì)比算法
    4.3 評(píng)價(jià)指標(biāo)
        4.3.1 歸一化互信息
        4.3.2 模塊度
        4.3.3 準(zhǔn)確率和召回率
    4.4 實(shí)驗(yàn)結(jié)果
        4.4.1 分析覆蓋半徑
        4.4.2 與傳統(tǒng)聚類算法比較
        4.4.3 與主流社團(tuán)發(fā)現(xiàn)算法比較
        4.4.4 可擴(kuò)展性分析
5 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]移動(dòng)感知器網(wǎng)絡(luò)中基于隨機(jī)游走和協(xié)作關(guān)系的任務(wù)分發(fā)算法[J]. 陶冶,張書奎,張力,龍浩,王進(jìn).  電子學(xué)報(bào). 2019(08)
[2]基于鏈接相似性聚類的重疊社區(qū)識(shí)別[J]. 張桂杰,張健沛,楊靜,辛宇.  電子學(xué)報(bào). 2015(07)
[3]多層前向網(wǎng)絡(luò)的交叉覆蓋設(shè)計(jì)算法[J]. 張鈴,張鈸,殷海風(fēng).  軟件學(xué)報(bào). 1999(07)
[4]M-P神經(jīng)元模型的幾何意義及其應(yīng)用[J]. 張鈴,張鈸.  軟件學(xué)報(bào). 1998(05)



本文編號(hào)：3455810