共查询到20条相似文献，搜索用时 31 毫秒
1.
发现高质量的社区是社区网络问题的研究热点。目前,社区发现算法大多针对非重叠社区,重叠社区发现算法较少。基于标签传播的算法是现有重叠社区发现算法中的一类,其中COPRA为典型算法。尽管该算法具有接近线性的时间复杂度,但存在随机因素,结果不稳定,产生的社区结构存在一定差异。为此,提出一种新的基于标签传播的社区发现算法,实验表明该算法在复杂度相近的情况下能明显提高所发现社区的质量,且具有较好的稳定性。 相似文献
2.
近年来,许多关于社区发现的优秀算法被提出并取得了较好的社区划分效果。但是到目前为止,没有任何一种算法能够同时在时间复杂度和准确度方面取得较好的表现。现实网络中往往存在一些有利于指导社区发现的标签信息,如must-link信息、cannot-link信息等。因此提出基于少量标签信息传播、拓扑结构的半监督社区发现算法S_LPA,分别在karate网络、dolphins网络、LFR基准网络上进行测试。实验结果表明,该算法S_LPA时间复杂度为O（m）,相对其它算法,S_LPA在karate网络和dolphins网络的NMI值高于CNM、InfoMap、LPA算法,在LRF网络上准确度高出约20%;提高参数u后,S_LPA算法可识别其它算法不能识别的社区结构。 相似文献
3.
在众多社区发现算法中,Attractor算法是一种快速的社区发现算法,具有社区检测准确率高的优点。为解决Attractor算法在距离更新过程中节点对度值相差太大,影响小度节点所属社区判断问题,提出一种优化共同邻居影响的Attractor社区发现算法。该算法在Attractor算法提出的动态距离节点交互模型基础上,考虑节点对两者度值差异,通过在节点对与共同邻居交互模式中增加一个大度节点不利系数,以增加小度节点对邻居的吸引作用。采用LFR基准网络,在不同结构网络上验证改进算法的有效性。实验结果表明,改进算法与Attractor算法相比社区发现准确度更高。 相似文献
4.
5.
社区发现是社会网络分析中的一个重要研究方向。针对实际社会网络中存在的多关系现象,通过计算节点之间的共有邻居相似度来实现多关系社会网络中的社区发现,并提出了设计方案。 相似文献
6.
如何快速、有效地发现犯罪团伙是公安机关侦查办案中的关键问题之一。针对通信网络特点,改进社区发现的Louvain算法,并根据电信诈骗犯罪团伙利用通信网络实施诈骗的特点,提出基于相似度的犯罪团伙发现算法,以及基于属性的犯罪团伙发现算法。初步实验结果表明,改进后的Louvain算法可以提高通信网络社区划分效率。然后在社区中利用结构特征进行相似度判断,并结合属性特征进行聚类分析,从而为公安机关发现可疑犯罪团伙提供有效的理论与技术支撑。 相似文献
7.
《赤峰学院学报(自然科学版)》2021,(6)
复杂网络中社区结构的发现是数据挖掘领域的研究热点,也是进一步发现社区关系知识的前提。根据网络的系统局部信息和全局信息,计算通过网络系统节点之间的贴近度矩阵,并将网络节点可以按照贴近度和模块度指标划分为两个不同的簇。在四个实际网络数据集以及计算机生成网络的实验结果表明,该算法相比Newman、GN等[1]算法具有更高的准确率。 相似文献
8.
以分歧点和矩阵连通度为依据,通过矩阵初等行列变换划分网络社区的算法,可准确划分社区个数已知的网络,其算法简捷清晰,复杂度相对较低. 相似文献
9.
设计一个社区发现方法挖掘在线内容网络的潜在结构,在预处理阶段基于网络的链接和节点内容属性对内容网络进行重构,基于重构网络进行链接抽样;在社区发现阶段利用概率链接模型对采样后的网络建模,并用EM算法求解模型参数,根据参数可得内容网络的潜在结构。 相似文献
10.
社会化媒体大数据环境下的社区发现研究，是社会网络分析与挖掘领域的一个热门研究方向，已有众多学者提出各种研究方法，但对当前研究工作的进展分析相对较少。首先从局部、全局、节点相似度3个角度讨论社区的定义，然后针对网络的大规模、动态、异构3个特性，分别调研与梳理国内外相关文献，并从采取的主要技术、数据建模方法、可处理的网络规模、网络时序特征4个方面比较与总结其中的代表性方法，分析当前的学术思路与发展动态，最后指出该研究领域存在的挑战及未来可能的研究方向。 相似文献
11.
提出了基于节点吸引力的分裂社区发现算法,算法认为网络中节点之间是存在一定吸引力的,不同相连节点之间的吸引力大小差异很大。如果相连两个节点的度数越相近,那么这两个节点相互吸引力越小;否则认为度数较大的节点对度数较小的节点的吸引力大。在本算法中,通过计算网络中节点之间的吸引力,删除节点间吸引力最小的连边,重复计算吸引力,并删除相应的边,实现网络的分裂,通过计算网络分裂后社区的中心性,实现社区的发掘。实验证明该算法可以有效划分网络社区。 相似文献
12.
评价复杂网络节点影响力主要依靠节点的度、邻近度、介数和K-shell等中心性指标值,但此类方法的挖掘精度和适应性均不理想。提出了一种新的复杂网络节点影响力评价模型——KSC中心性度量模型。该模型不仅考虑节点的内部属性,还考虑节点的外部属性。通过SIR模型进行了仿真传播实验,实验结果表明,该算法适用于各种复杂网络并且能够很好地发现影响力更大的传播节点。 相似文献
13.
网络传播技术的发展正在深刻地影响着传统教育。对网络虚拟学习社区的分析,有利于挖掘网络虚拟学习社区的优势,弥补传统教育的不足,使得网络与传统教育结合,达到教育教学效果的最优化。 相似文献
14.
15.
仿生模式识别神经网络（BPRNN）同传统BP、RBF神经网络相比具有更好的模式识别能力;训练样本库变更后网络的重新训练时间更小,但该网络构造过程中样本覆盖几何体参数的选择对网络识别率和复杂度有很大影响.本文通过引入蚁群算法来构造并优化网络参数,实验证明该算法法能较好的平衡网络性能和复杂度. 相似文献
16.
《鸡西大学学报》2019,(12)
为解决当前移动无线传感网恶意节点清除算法存在的挖掘效率较低、恶意节点清除困难等不足,提出了一种基于安全度序列裁决机制的移动无线传感网恶意节点清除算法。首先,基于安全度序列裁决机制,通过捕获瞬时流量与瞬时数据传输率等特征参量,动态捕捉疑似的恶意节点,增强网络捕捉恶意节点特征的能力,提高恶意节点的挖掘效率;随后,采用基于数据分割的区域清除方法,设计数据分割阈值,对网络中疑似恶意节点进行排序,优化网络监控的实时扫描质量,提高对恶意节点的监测能力。仿真实验表明:与网络联合参数判定机制(Network Joint Parameter Decision Mechanism,NJPD算法)及流量指纹判定裁决机制(Flow Fingerprint Decision and Decision Mechanism,FF2D算法)相比,所提算法具有更高的恶意节点清除效率与网络正常工作时间,以及更低的被攻击次数。 相似文献
17.
针对LEACH（Low Energy Adaptive Clustering Hierarchy）算法中的随机分簇和簇头能耗不均问题,提出一种基于最低能耗的改进LEACH分簇算法MEC-LEACH（Minimum Energy Consumption based LEACH）。MEC-LEACH分簇算法通过最小化网络能耗得出最优簇头数,同时引入簇头的剩余能量和簇头距离sink节点的远近等因素综合选举簇头节点,使得剩余能量较大且距离sink较近的节点优先成为簇头节点,进而均衡簇头节点和网络总的能耗。仿真实验表明,MEC-LEACH算法相比其它改进算法可以有效降低网络能耗,延长网络生存时间。 相似文献
18.
19.
陈翠娟 《安阳师范学院学报》2021,(2):28-31
计算机软件蕴含大量工作信息,有效挖掘软件数据信息之间的内在关联是信息时代对软件应用的潜在要求。针对经典Apriori算法挖掘数据效率低、复杂度高的问题,提出一种改进Apriori算法用于挖掘计算机软件数据的关联规则。为计算机软件算法设置双重支持度阈值,即频繁项集与非频繁项集支持度阈值,快速获得强关联的频繁项集;在此基础上基于映射规则重构事务数据库,压缩数据库规模,减少算法的剪枝操作,降低计算机软件数据关联规则挖掘复杂度。以人力资源类计算机软件数据为例展开关联分析测试,结果显示,该算法挖掘的关联信息与人力资源实际管理情况一致,相比经典Apriori算法其效率有所提升。 相似文献
20.
新型冠状病毒（COVID-19）疫情爆发期间,涌现出了众多的抗疫意见领袖。通过对意见领袖话题传播和演化进行分析研究,可以为网络舆情治理和疫情防控提供理论和知识支撑。采用N-Gram语言模型和Shingling相似度算法相结合的方式进行话题检测,再通过Neo4j图数据库存储与检索意见领袖、话题、事件等多维实体特征,构建以意见领袖为核心的话题图谱。实验结果表明,话题准确率达82.3%,召回率达81.6%,与传统Single-Pass聚类相似度算法相比均有所提高。通过对图谱分析,能够简单直观地展示出不同实体间多维舆情关系。同时,可以提高检索速度和分析效率,符合舆情传播客观规律。 相似文献