检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于Louvain重叠社区发现算法

石河子大学学报（自然科学版） 2020年第3期38卷 384-389页

作者：郭理王嘉岐张恒旭曾窕俊石河子大学信息科学与技术学院新疆石河子832003

重叠社区发现技术对于分析网络社区间关系具有重要意义,本文提出了基于Louvain重叠社区发现算法,该算法在Louvain算法的基础上使用模块度Q的增益度函数dq判断节点是否具有重叠性,并且发现重叠社区;设计实验验证该算法,使用经典数据集Ame... 详细信息

重叠社区发现技术对于分析网络社区间关系具有重要意义,本文提出了基于Louvain重叠社区发现算法,该算法在Louvain算法的基础上使用模块度Q的增益度函数dq判断节点是否具有重叠性,并且发现重叠社区;设计实验验证该算法,使用经典数据集American College Football对该算法与常用重叠社区发现算法CPM、LFM和COPRA进行实验对比,结果表明:增益度函数dq能判断重叠节点,且通过找到社会网络中的重叠节点发现重叠社区;该算法在重叠模块度EQ上比CPM、LFM和COPRA算法分别提高17.05%、12.81%和9.45%,在运算时间上比CPM算法、COPRA算法分别增加了12.62%、7.15%,比LFM算法减少了23.06%,表明在综合重叠模块度EQ与算法时间上,本文基于Louvain重叠社区发现算法都优于其他的算法。

关键词： Louvain 社会网络重叠社区社区发现

在线全文

学校读者我要写书评

暂无评论

基于最大生成树的重叠社区发现算法

计算机应用研究 2020年第S2期37卷 170-172,180页

作者：郭娜郑晓艳天津职业技术师范大学信息技术工程学院天津300222

挖掘复杂网络的重叠社区结构对研究复杂系统具有重要的理论和实践意义。针对局部扩展算法(local fitness method,LFM)随机选取种子节点造成的社区结果鲁棒性较低等问题,提出了一种基于最大生成树的重叠社区发现算法:提出一种新颖的边权... 详细信息

挖掘复杂网络的重叠社区结构对研究复杂系统具有重要的理论和实践意义。针对局部扩展算法(local fitness method,LFM)随机选取种子节点造成的社区结果鲁棒性较低等问题,提出了一种基于最大生成树的重叠社区发现算法:提出一种新颖的边权重定义,将无权的网络转换为带权重的网络,而且该权重真实反映了网络真实结构;提出一种节点影响力计算方法,反映节点在整个网络结构中的重要程度;提出了一种新的生成候选种子集的方法,并借助最大生成树使得到的候选种子节点在网络中更具有代表性;对初始社区划分结果进行优化,避免社区之间重叠度过多。经仿真实验发现,该算法与经典的重叠社区发现算法相比,无论在真实网络还是LFR人工网络上,均有良好的表现。

关键词：复杂网络社区发现重叠社区边权最大生成树

在线全文

学校读者我要写书评

暂无评论

基于引力因子的加权网络重叠社区识别算法

计算机科学 2016年第12期43卷 153-157页

作者：刘冰玉王翠荣王聪苑迎东北大学信息科学与工程学院沈阳110819

通过挖掘大数据来识别复杂社会网络上的社区,有利于对经济、政治、人口等方面的重要问题进行定量研究,社区的识别算法已经成为当前研究的热点问题。重点研究了重叠社区识别问题,提出了基于引力因子的加权复杂网络的重叠社区识别算法GWC... 详细信息

通过挖掘大数据来识别复杂社会网络上的社区,有利于对经济、政治、人口等方面的重要问题进行定量研究,社区的识别算法已经成为当前研究的热点问题。重点研究了重叠社区识别问题,提出了基于引力因子的加权复杂网络的重叠社区识别算法GWCR。该算法首先选取万有引力因子大的节点为中心节点,将节点与中心节点之间的引力因子作为衡量标准,并将节点归入社区引力因子大于某一阈值的社区,最后通过识别重叠节点来识别重叠社区。在3个真实网络数据集上的实验结果表明,与传统的重叠社区识别算法相比,GWCR算法划分的社区的模块度较高。

关键词：引力因子社区识别加权网络重叠社区

在线全文

学校读者我要写书评

暂无评论

基于SLPA的重叠社区检测算法研究

基于SLPA的重叠社区检测算法研究

作者：张静宜兰州大学

学位级别：硕士

随着人类社会步入网络信息时代,人们生产生活当中充溢着纷繁复杂的数据,而网络作为传播信息的重要载体,对其内部结构的研究逐步成为网络科学领域的一个重大研究议题,学术界称之为社区检测。发现复杂网络中社区结构对于研究网络的本质、... 详细信息

随着人类社会步入网络信息时代,人们生产生活当中充溢着纷繁复杂的数据,而网络作为传播信息的重要载体,对其内部结构的研究逐步成为网络科学领域的一个重大研究议题,学术界称之为社区检测。发现复杂网络中社区结构对于研究网络的本质、功能及演变趋势具有重要的理论意义和实用价值。在传统的社区检测算法中,重叠社区检测算法较非重叠社区检测算法更符合真实的网络划分,故本文基于经典的标签传播算法SLPA提出两种改进的重叠社区检测算法。论文主要贡献如下:(1)DSLPA算法针对SLPA算法在标签更新阶段和标签传播阶段存在的随机性,前一阶段通过PageRank算法确定节点标签更新顺序,后一阶段结合改进Jaccard相似性指标在标签选取不唯一时进行二次决策,进而改进原算法中随机性带来的不确定性;(2)MSLPA算法将SLPA算法与模块度优化思想相结合,在算法初始阶段通过模块度比率最大化进行网络粗聚类,同时在标签传播阶段,利用资源分配指标RA实现标签选取,当结果不唯一时,采取出现频率最高选取法确定更新标签,使得社区检测结果更符合真实的网络结构。DSLPA算法和MSLPA算法在五组人工数据集和六组真实数据集中进行实验,通过标准化互信息NMI、扩展模块度EQ和划分密度PD等指标可知,两种算法均具有较为显著的优势,同时算法收敛较快,结果稳定,以此验证本文提出的算法具有较好的实施性和健壮性。

关键词：社区检测重叠社区标签传播模块度节点相似性

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于FCA的重叠社区发现

基于FCA的重叠社区发现

作者：李斯苏州大学

学位级别：硕士

作为复杂网络研究的一个重要方向,社区发现得到了快速发展。社区发现不仅可以帮助人们了解网络的组织结构,还可以挖掘出大量的隐藏信息。如何从复杂网络中快速准确的识别出重叠社区具有很好的研究意义和应用价值。本文在现有算法的基础... 详细信息

作为复杂网络研究的一个重要方向,社区发现得到了快速发展。社区发现不仅可以帮助人们了解网络的组织结构,还可以挖掘出大量的隐藏信息。如何从复杂网络中快速准确的识别出重叠社区具有很好的研究意义和应用价值。本文在现有算法的基础上提出了基于形式概念分析的重叠社区发现算法,该算法不仅可以发现社区的重叠结构,而且能有效地展现出社区内部核心社区之间的层次关系。本文的研究主要有以下几个方面：（1）首先介绍了复杂网络和社区发现的研究现状,并对社区的定义、社区发现算法特别是重叠社区发现算法的优缺点进行了详细的分析和比较。（2）从社会学理论出发,提出影响社区发展的最小单元是具有星型结构的核心社区,并将网络中边的终点作为起点的关系属性,构建形式背景,用概念来表现核心社区结构。（3）针对网络结构中形式背景的特征,提出一种基于矩阵运算的概念格生成算法来发现核心社区,降低了核心社区发现的算法复杂度,并通过Hasse图来描述核心社区之间的层次和交互关系。（4）提出了基于形式概念分析的重叠社区发现算法,设计了概念的相似度模型对核心社区之间的连通性进行度量,在此基础上对概念进行层次聚类,对核心社区进行合并,生成大社区并产生重叠节点,达到重叠社区发现的目的。（5）将本文算法应用到DBLP作者领域划分中。首先,根据DBLP数据集构建作者协作网络,并对作者协作网络进行划分;然后,提出科研团队的概念,通过核心社区发现和重叠社区发现对科研团队社区进行演化研究,指出了本文算法在应用上的实际意义。

关键词：形式概念分析核心社区重叠社区作者协作网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于标签传播的动态重叠社区发现算法

基于标签传播的动态重叠社区发现算法

作者：韩瑞哈尔滨工程大学

学位级别：硕士

社区发现是复杂网络研究中很重要的一部分,其目的是将网络中一群具有相同或相似特性的节点归为一类群体。在人们的实际生活中,社区发现发挥着很重要的作用,如对可能发生的危险进行预警、根据个人兴趣进行推荐、对社会舆情进行分析等。... 详细信息

社区发现是复杂网络研究中很重要的一部分,其目的是将网络中一群具有相同或相似特性的节点归为一类群体。在人们的实际生活中,社区发现发挥着很重要的作用,如对可能发生的危险进行预警、根据个人兴趣进行推荐、对社会舆情进行分析等。传统的社区发现算法大多基于静态社区进行发现研究,并且积累了大量实验及结论。但是现实世界的网络无时无刻不在发生着变化。同样,网络中的社区形态也会随着网络变化而演化出不同结构,社区会产生、解散、合成、分解、扩张、收缩等变化,社区成员之间也不会单纯属于某一个社区,一个成员可能会同时属于多个社区。这样分析,传统的静态网络社区发现算法已经难以满足当前复杂网络世界对于社区发现的需求。因此,对动态的重叠社区发现的研究与探索势在必行。本文介绍了社区发现的相关理论,阐述了比较有代表性的针对静态社区和动态社区发现的算法并分析了各算法的优点和不足之处;深入分析了一种能够应用于重叠社区发现的算法——COPRA,并针对COPRA算法在标签传播过程中的不稳定性和随机性等方面进行改进,通过引入熵概念提出节点熵来衡量节点重要性,进一步提出了综合节点熵、标签从属系数、节点度数三种因素的标签价值概念,提出CI-COPRA算法。最后将该算法分别在四个真实数据集和两个不同规模的人工数据集上进行实验验证,然后与4种其它经典社区发现算法进行对比,结果显示该算法较改进前随机性降低稳定性有所提高,在社区发现方面有较好的效果。随后以提出的CI-COPRA算法划分初始社区,根据不同类型网络增量进行分析,引入社区核心、社区相似度等概念判断社区演化情况,提出DCI-COPRA算法。并通过拓展全局模块度概念提出模块度变化量概念,作为衡量网络划分质量好坏的标准。在人工合成数据集上构造9个时刻的网络社区,并将其与另外4种动态社区发现算法进行对比,结果证明DCI-COPRA算法能够较准确捕捉网络在各个时间段的社区演化情况,且算法划分社区质量较高。

关键词：动态网络社区发现重叠社区标签传播增量分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

自适应密度峰值重叠社区发现方法研究

自适应密度峰值重叠社区发现方法研究

作者：徐明丽华中科技大学

学位级别：硕士

近年来,互联网和移动社交软件的飞速发展大大促进了社会网络的形成和发展。社区作为社会网络的一个重要特性,一直是社会网络分析的研究热点。由于社区通常存在重叠,因此研究重叠社区更具有现实意义。现有的重叠社区检测方法在权重分布... 详细信息

近年来,互联网和移动社交软件的飞速发展大大促进了社会网络的形成和发展。社区作为社会网络的一个重要特性,一直是社会网络分析的研究热点。由于社区通常存在重叠,因此研究重叠社区更具有现实意义。现有的重叠社区检测方法在权重分布较为复杂的网络上大都表现欠佳。而密度峰值聚类算法(Density Peaks Clustering,DPC)能够高效准确地识别出任意形状的社区结构,自提出以来受到了学者们的广泛关注。DPC不能直接处理以邻接矩阵表示的社会网络,且通过人工这种低效且可能引入误差的方式选择聚类中心,另外DPC仅能发现无重叠社区,因此不能适应真实应用场景下重叠社区发现的要求。为了利用DPC准确性高的优点,同时弥补DPC的不足,对DPC进行扩展并提出了扩展的自适应密度峰值重叠社区发现算法(Extended Adaptive Density Peaks Clustering for Overlapping Community Detection,EADP)。为了直接处理以邻接矩阵表示的社会网络,EADP提出了一种新的距离度量,考虑共同节点的影响,并区别化对待两节点间的直接链接和共同节点的影响,能够适用于带权和不带权的网络。为了更好地处理带权网络,EADP根据共同节点与节点对之间的亲密程度衡量共同节点对节点对之间距离的影响,亲度程度越大,则影响越大。此外,与DPC人工选择聚类中心不同,EADP采用跳跃式线性拟合的策略自适应地选择聚类中心,避免了人工干预。为了允许社区结构重叠,EADP改变了DPC的社区分配策略,在DPC的分配基础上进行二次社区分配,使节点能够同时隶属于多个社区。在实际数据集和合成数据集上进行大量实验,实验结果验证了EADP算法发现重叠社区的有效性。与MOSES、SLPA、HOCTracker、OCDDP及SMFRW等对比算法相比,EADP在权重分布较为复杂的网络上表现更佳。此外,在执行效率上,EADP也能取得满意的效果。

关键词：社会网络重叠社区自适应密度峰值跳跃式线性拟合二次社区分配

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进MCMC方法的重叠社区发现算法

信息网络安全 2017年第9期 138-142页

作者：付顺顺顾益军张大瀚孟凡鹏中国人民公安大学信息技术与网络安全学院北京100038

文章对基于社区隶属模型AGM的重叠社区发现算法的特点及机理进行了分析,针对算法在求解过程中存在的易陷入局部最优的问题加以改进。在原有的MCMC采样方法上引入模拟回火(ST)策略和补充搜索过程,实现了待求参数的快速更新并且逐渐逼近... 详细信息

文章对基于社区隶属模型AGM的重叠社区发现算法的特点及机理进行了分析,针对算法在求解过程中存在的易陷入局部最优的问题加以改进。在原有的MCMC采样方法上引入模拟回火(ST)策略和补充搜索过程,实现了待求参数的快速更新并且逐渐逼近理想中的全局最优解。在四种网络中的实验表明,改进之后的算法结果比原算法均有所提高,其中在平均聚类系数较高的DBLP科学合著网络中的实验效果提升了14%。改进之后的算法能够提高采样效率,从而提高社区发现的精确性和可靠性。

关键词：复杂网络重叠社区 MCMC方法极大似然

在线全文

学校读者我要写书评

暂无评论

一种局部的重叠社区发现方法

计算机应用与软件 2011年第10期28卷 27-29,68页

作者：孙文婷伏玉琛吴寅生苏州大学计算机科学与技术学院江苏苏州215006 江苏省现代企业信息化应用支撑软件工程技术研发中心江苏苏州215104

研究重叠社区发现技术,可以将重叠社区转化为非重叠的社区发现。通过分裂结点后,使用已有的非重叠社区发现算法来进行社区划分,然后将分裂后的结点还原为源结点即可发现重叠社区。而结点是否分裂由分裂系数来衡量。使用局部的方法来计... 详细信息

研究重叠社区发现技术,可以将重叠社区转化为非重叠的社区发现。通过分裂结点后,使用已有的非重叠社区发现算法来进行社区划分,然后将分裂后的结点还原为源结点即可发现重叠社区。而结点是否分裂由分裂系数来衡量。使用局部的方法来计算结点的分裂系数,并分裂具有较大分裂系数的结点。实验表明此方法可以有效地发现重叠社区,并从时间复杂度上优于基于全局的方法。

关键词：重叠社区边聚集系数分裂系数局部方法