基于隸屬度傳播的重疊社區(qū)發(fā)現(xiàn)算法
發(fā)布時間:2021-07-14 06:32
復雜網(wǎng)絡可以自然的表示許多復雜問題,因此復雜網(wǎng)絡可以用來解決現(xiàn)實世界中存在的許多問題。在許多不同的領域中,復雜網(wǎng)絡的表示是不一樣的,如在社會領域有社會關系網(wǎng)絡,在生物學領域有基因調(diào)控網(wǎng)絡、蛋白質(zhì)相互作用網(wǎng)絡等。在這里,復雜網(wǎng)絡通常具有可辯別的社區(qū)結(jié)構。社區(qū)結(jié)構可以被看作一種“網(wǎng)絡簇”。在復雜網(wǎng)絡中,屬于同一個社區(qū)的節(jié)點彼此之間密切相連,社區(qū)內(nèi)存在大量的內(nèi)部邊,而來自不同社區(qū)的節(jié)點相互之間連接稀疏,同時網(wǎng)絡中存在少量的跨社區(qū)相連的邊。因此社區(qū)內(nèi)的邊稠密的,但社區(qū)之間的邊是稀疏的。一個復雜網(wǎng)絡能夠包括許多社區(qū),不同的社區(qū)之間相互關聯(lián),屬于同一社區(qū)的節(jié)點之間具備類似的功能或者性質(zhì),不同的社區(qū)中的節(jié)點具備差異較大的性質(zhì)或功能。例如,在社交網(wǎng)絡中同一社區(qū)中的人具有相同的職業(yè)或工作;在蛋白質(zhì)相互關聯(lián)網(wǎng)絡中,屬于同一社區(qū)的蛋白質(zhì)之間也許具有相近的功能。在真實世界的復雜網(wǎng)絡中,不同的社區(qū)之間存在交互的現(xiàn)象,即不同的社區(qū)之間會有部分區(qū)域相互重疊,存在一個節(jié)點同時屬于多個社區(qū)的情況。我們將這些節(jié)點稱為重疊節(jié)點,將相互重疊的社區(qū)稱為重疊社區(qū)。重疊節(jié)點與重疊社區(qū)廣泛的存在于現(xiàn)實生活中。例如,社交網(wǎng)絡中存在多個...
【文章來源】:吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:57 頁
【學位級別】:碩士
【部分圖文】:
社區(qū)重疊的復雜網(wǎng)絡示意圖
SpeakEasy算法流程圖
第4章社區(qū)發(fā)現(xiàn)算法的對比試驗與實驗結(jié)果分析30F1-measure是一個更全面的度量,它將精確率(Precision)與召回率(Recall)結(jié)合在一起。4.2與SpeakEasy算法的對比實驗在本節(jié)中,我們先在150個LFRbenchmark數(shù)據(jù)集上應用MDPA算法與SpeakEasy算法。隨后以NMI值和Omega指數(shù)為評價指標,比較兩種算法的重疊社區(qū)發(fā)現(xiàn)的效果,同時也對重疊節(jié)點的識別效果和算法運行時間進行比較。最后在真實世界數(shù)據(jù)集上對兩種算法進行比較測試。4.2.1LFRbenchmark數(shù)據(jù)集比較實驗我們在第二章中表3.3生成的LFRbenchmark數(shù)據(jù)集上對MDPA算法和SpeakEasy算法進行實驗測試。圖4.1150個LFRbenchmark數(shù)據(jù)集上MDPA與SpeakEasy的NMI比較圖4.1將數(shù)據(jù)按n和d的不同分為6組,即:(a)n=1000,d=10,(b)n=1000,d=20,(c)n=3000,d=10,(d)n=3000,d=20,(e)n=5000,d=10,(f)n=5000,
【參考文獻】:
期刊論文
[1]復雜網(wǎng)絡社區(qū)挖掘綜述[J]. 劉大有,金弟,何東曉,黃晶,楊建寧,楊博. 計算機研究與發(fā)展. 2013(10)
碩士論文
[1]基于重疊社區(qū)發(fā)現(xiàn)算法的大豆基因表達數(shù)據(jù)分析[D]. 李艷振.吉林大學 2017
本文編號:3283617
【文章來源】:吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:57 頁
【學位級別】:碩士
【部分圖文】:
社區(qū)重疊的復雜網(wǎng)絡示意圖
SpeakEasy算法流程圖
第4章社區(qū)發(fā)現(xiàn)算法的對比試驗與實驗結(jié)果分析30F1-measure是一個更全面的度量,它將精確率(Precision)與召回率(Recall)結(jié)合在一起。4.2與SpeakEasy算法的對比實驗在本節(jié)中,我們先在150個LFRbenchmark數(shù)據(jù)集上應用MDPA算法與SpeakEasy算法。隨后以NMI值和Omega指數(shù)為評價指標,比較兩種算法的重疊社區(qū)發(fā)現(xiàn)的效果,同時也對重疊節(jié)點的識別效果和算法運行時間進行比較。最后在真實世界數(shù)據(jù)集上對兩種算法進行比較測試。4.2.1LFRbenchmark數(shù)據(jù)集比較實驗我們在第二章中表3.3生成的LFRbenchmark數(shù)據(jù)集上對MDPA算法和SpeakEasy算法進行實驗測試。圖4.1150個LFRbenchmark數(shù)據(jù)集上MDPA與SpeakEasy的NMI比較圖4.1將數(shù)據(jù)按n和d的不同分為6組,即:(a)n=1000,d=10,(b)n=1000,d=20,(c)n=3000,d=10,(d)n=3000,d=20,(e)n=5000,d=10,(f)n=5000,
【參考文獻】:
期刊論文
[1]復雜網(wǎng)絡社區(qū)挖掘綜述[J]. 劉大有,金弟,何東曉,黃晶,楊建寧,楊博. 計算機研究與發(fā)展. 2013(10)
碩士論文
[1]基于重疊社區(qū)發(fā)現(xiàn)算法的大豆基因表達數(shù)據(jù)分析[D]. 李艷振.吉林大學 2017
本文編號:3283617
本文鏈接:http://sikaile.net/shoufeilunwen/benkebiyelunwen/3283617.html
最近更新
教材專著