在線變分期望最大(online variational expectation maximization,onlineVEM)算法可快速發(fā)現(xiàn)大規(guī)模網(wǎng)絡(luò)的聚類模式,但在網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜時算法的處理結(jié)果穩(wěn)定性和準確性欠佳.為更快更準地識別其聚類模式,提出一種主動半監(jiān)督在線變分期望最大(active semi-supervised onlineVEM,ASonlineVEM)算法.算法首先自動選擇代表節(jié)點,確定類的個數(shù),并基于代表節(jié)點初始化模型;然后迭代執(zhí)行3個任務(wù):運行在線算法onlineVEM、主動選節(jié)點及模型更新,直至算法達到準確率的設(shè)定閾值或收斂.在不同結(jié)構(gòu)的人工網(wǎng)絡(luò)和真實網(wǎng)絡(luò)上的實驗結(jié)果表明,ASonlineVEM算法的準確性和效率均優(yōu)于同類算法.ASonlineVEM算法利用主動選擇的節(jié)點先驗信息提高了網(wǎng)絡(luò)聚類模式發(fā)現(xiàn)的穩(wěn)定性及準確性,提高了在線算法的運行效率.

【文章頁數(shù)】：8 頁

【文章目錄】：
1 大規(guī)模網(wǎng)絡(luò)的主動半監(jiān)督結(jié)構(gòu)發(fā)現(xiàn)策略
2 ASonlineVEM算法
    2.1 變量定義
    2.2 ASonlineVEM算法描述
        2.2.1 模型初始化階段
        2.2.2 模型提純階段
    2.3 ASonlineVEM算法收斂性證明
3 實驗及結(jié)果分析
結(jié)語



本文編號：3816094