版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、近年來,在全球信息化大潮的推動(dòng)下,社會(huì)網(wǎng)絡(luò)得到快速發(fā)展,各種不同的社會(huì)網(wǎng)絡(luò)都表現(xiàn)出一種強(qiáng)的社團(tuán)效應(yīng)。一個(gè)網(wǎng)路中的成員趨于形成密切聯(lián)系的社團(tuán)。在不同的應(yīng)用下,這些社團(tuán)也被稱為模塊,簇等。總體上,社團(tuán)內(nèi)部聯(lián)系緊密,社團(tuán)外部聯(lián)系稀疏。如何快速、準(zhǔn)確的發(fā)現(xiàn)網(wǎng)絡(luò)中的社團(tuán)(即社團(tuán)發(fā)現(xiàn))仍然是一個(gè)關(guān)鍵問題。
從是否考慮數(shù)據(jù)的不確定性,社團(tuán)發(fā)現(xiàn)可分為確定社團(tuán)發(fā)現(xiàn)和不確定社團(tuán)發(fā)現(xiàn)。很多傳統(tǒng)確定社團(tuán)發(fā)現(xiàn)算法都依據(jù)全局信息進(jìn)行社團(tuán)發(fā)現(xiàn),算法效率不高
2、,并且沒有考慮到數(shù)據(jù)的不確定性。然而在現(xiàn)實(shí)應(yīng)用中,網(wǎng)絡(luò)中的數(shù)據(jù)往往存在其內(nèi)生的不確定性,網(wǎng)絡(luò)中數(shù)據(jù)存在殘缺現(xiàn)象、數(shù)據(jù)以一定概率存在等,這里稱為不確定網(wǎng)絡(luò)。從不確定網(wǎng)絡(luò)中進(jìn)行社團(tuán)發(fā)現(xiàn)的算法稱為不確定社團(tuán)發(fā)現(xiàn)算法。本文充分考慮了確定網(wǎng)絡(luò)和不確定網(wǎng)絡(luò),結(jié)合社團(tuán)局部特征和數(shù)據(jù)本身特點(diǎn),對社團(tuán)發(fā)現(xiàn)算法進(jìn)行了深入研究。
本文主要工作及創(chuàng)新點(diǎn)如下:
(1)對LFM(Largest Fitness Measure)算法進(jìn)行改進(jìn)。深入
3、分析了局部社團(tuán)發(fā)現(xiàn)算法LFM算法以及勢能模型,在此基礎(chǔ)上提出了LFM算法的改進(jìn)算法—WLFM算法。該算法利用勢能的思想對LFM算法中隨機(jī)選取初始節(jié)點(diǎn)、劃分準(zhǔn)確性較低、算法結(jié)束條件難以達(dá)到等問題進(jìn)行改進(jìn),最后通過兩組實(shí)驗(yàn)驗(yàn)證了該算法具有良好的準(zhǔn)確性和較高的效率。
(2)對EM(Expectation Maximization)算法進(jìn)行改進(jìn)。首先對高斯混合模型的EM算法進(jìn)行詳細(xì)介紹,接著對此算法進(jìn)行優(yōu)化。利用勢能的方法對高斯混合模
4、型的EM算法進(jìn)行初始化,得到優(yōu)化的初始值。通過兩組實(shí)驗(yàn)證明新的算法具有較低的錯(cuò)誤率。
?。?)提出不確定相對K緊密子圖發(fā)現(xiàn)算法。研究發(fā)現(xiàn),尋找前K個(gè)最緊密子圖具有較高的復(fù)雜性。本文研究了從不確定圖中發(fā)現(xiàn)存在概率較高的前 K個(gè)緊密子圖問題,提出了不確定相對 K緊密子圖發(fā)現(xiàn)算法。在算法中,由不確定圖的連通指數(shù)確定閾值,接著根據(jù)閾值計(jì)算子圖的存在概率,最終得到存在概率較高的前 K個(gè)緊密子圖。最后,通過若干組實(shí)驗(yàn),驗(yàn)證了此算法可以高效、
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 增量型社團(tuán)發(fā)現(xiàn)算法及其應(yīng)用.pdf
- 不確定圖的代表實(shí)例發(fā)現(xiàn)算法.pdf
- 不確定序列模式發(fā)現(xiàn)與查詢算法的研究.pdf
- 基于復(fù)雜網(wǎng)絡(luò)的社團(tuán)發(fā)現(xiàn)算法研究.pdf
- 基于遺傳聚類的社團(tuán)發(fā)現(xiàn)算法研究.pdf
- 健壯社團(tuán)發(fā)現(xiàn)算法研究.pdf
- 基于復(fù)雜網(wǎng)絡(luò)的重疊社團(tuán)發(fā)現(xiàn)算法.pdf
- 基于局部信息的重疊社團(tuán)發(fā)現(xiàn)算法研究.pdf
- 基于線圖的復(fù)雜網(wǎng)絡(luò)重疊社團(tuán)發(fā)現(xiàn)算法研究.pdf
- 基于信息熵復(fù)雜網(wǎng)絡(luò)社團(tuán)發(fā)現(xiàn)算法研究.pdf
- 基于服務(wù)網(wǎng)絡(luò)社團(tuán)發(fā)現(xiàn)算法研究.pdf
- 基于不確定理論和機(jī)器學(xué)習(xí)的知識發(fā)現(xiàn)研究.pdf
- 基于MMSB的加權(quán)社交網(wǎng)絡(luò)社團(tuán)發(fā)現(xiàn)算法研究.pdf
- 基于相似度的復(fù)雜網(wǎng)絡(luò)社團(tuán)發(fā)現(xiàn)算法研究.pdf
- 復(fù)雜網(wǎng)絡(luò)中社團(tuán)發(fā)現(xiàn)算法的研究.pdf
- 時(shí)態(tài)社會(huì)網(wǎng)絡(luò)社團(tuán)發(fā)現(xiàn)算法研究.pdf
- 基于增量和密度的動(dòng)態(tài)網(wǎng)絡(luò)社團(tuán)檢測算法.pdf
- 基于歸屬度的社團(tuán)結(jié)構(gòu)發(fā)現(xiàn)算法研究.pdf
- 基于不確定數(shù)據(jù)的聚類算法研究.pdf
- 動(dòng)態(tài)復(fù)雜網(wǎng)絡(luò)中增量式社團(tuán)發(fā)現(xiàn)方法的研究與實(shí)現(xiàn).pdf
評論
0/150
提交評論