復(fù)雜網(wǎng)絡(luò)是復(fù)雜系統(tǒng)的典型表現(xiàn)形式,社區(qū)結(jié)構(gòu)是復(fù)雜網(wǎng)絡(luò)最重要的結(jié)構(gòu)特征之一。針對目前社區(qū)發(fā)現(xiàn)算法精確度低以及不適合大規(guī)模網(wǎng)絡(luò)的問題,提出一種新的算法DA-EF和用于度量節(jié)點之間相似度的影響力擴(kuò)散指標(biāo)。DA-EF利用多層自動編碼器與森林編碼器構(gòu)成二級級聯(lián)模型,相似度矩陣進(jìn)行降維和表征學(xué)習(xí)處理,轉(zhuǎn)化成低維高階特征矩陣,最終使用K-means得到準(zhǔn)確的社區(qū)劃分結(jié)果。級聯(lián)結(jié)構(gòu)在保持算法同等深度的情況下,大幅降低了算法時間復(fù)雜度。在人工合成數(shù)據(jù)集和真實數(shù)據(jù)集上的實驗表明,DA-EF與同類算法K-means、DA-EML和CoDDA相比,其標(biāo)準(zhǔn)互信息NMI和模塊度Q值高,而且聚類運行時間最少,具有精確度高和效率快的優(yōu)勢。在算法性能實驗中,驗證了算法的級聯(lián)結(jié)構(gòu)、自動編碼器的深度以及影響力擴(kuò)散指標(biāo)的合理性和有效性。 

【文章頁數(shù)】：9 頁

【文章目錄】：
1引言
2相關(guān)工作
    2.1影響力擴(kuò)散
    2.2自動編碼器
    2.3森林編碼器
3 DA-EF算法
4實驗結(jié)果與分析
    4.1評價指標(biāo)
    4.2人工合成數(shù)據(jù)集
    4.3真實數(shù)據(jù)集
5算法DA-EF有效性探討
    5.1森林編碼器的影響
    5.2自動編碼器的層數(shù)影響
    5.3相似度指標(biāo)的影響
    5.4算法優(yōu)勢的結(jié)論
6結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]基于節(jié)點動態(tài)連接度的網(wǎng)絡(luò)社團(tuán)劃分算法[J]. 賈珺,胡曉峰,賀筱媛.  復(fù)雜系統(tǒng)與復(fù)雜性科學(xué). 2016(04)
[2]基于深度稀疏自動編碼器的社區(qū)發(fā)現(xiàn)算法[J]. 尚敬文,王朝坤,辛欣,應(yīng)翔.  軟件學(xué)報. 2017(03)



本文編號：3714484