

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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著通訊科技和IT技術(shù)的飛速發(fā)展,網(wǎng)絡(luò)規(guī)模不斷地?cái)U(kuò)大及結(jié)構(gòu)逐漸的復(fù)雜,使得網(wǎng)絡(luò)產(chǎn)生海量信息數(shù)據(jù),即大數(shù)據(jù)(Big Data)。大數(shù)據(jù)的出現(xiàn)使得人類社會(huì)從信息時(shí)代過渡到大數(shù)據(jù)時(shí)代。在大數(shù)據(jù)時(shí)代,網(wǎng)絡(luò)數(shù)據(jù)表現(xiàn)出復(fù)雜性、多樣性以及異質(zhì)性等特征。在真實(shí)網(wǎng)絡(luò)中,社區(qū)結(jié)構(gòu)(又稱聚類特性)是復(fù)雜網(wǎng)絡(luò)大數(shù)據(jù)的重要特征,即社區(qū)內(nèi)部連接比較緊密,社區(qū)之間連接比較稀疏。社區(qū)結(jié)構(gòu)是分析網(wǎng)絡(luò)大數(shù)據(jù)的關(guān)鍵與基礎(chǔ),具有重要的研究價(jià)值和科學(xué)意義。目前社區(qū)發(fā)現(xiàn)已經(jīng)成為數(shù)
2、據(jù)挖掘等眾多領(lǐng)域最具挑戰(zhàn)性的研究課題之一。本文主要圍繞同質(zhì)網(wǎng)絡(luò)和異質(zhì)網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法進(jìn)行研究,主要包括以下幾個(gè)方面的內(nèi)容:
(1)為了能夠有效地挖掘復(fù)雜網(wǎng)絡(luò)中的重疊社區(qū)結(jié)構(gòu),本文提出一種基于極大團(tuán)連接相似性的重疊社區(qū)發(fā)現(xiàn)算法。該算法引入極大團(tuán)思想來初始化網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu),并根據(jù)團(tuán)間的共享鄰居節(jié)點(diǎn)和團(tuán)間橋接邊對(duì)社區(qū)間的連接性進(jìn)行量化處理,以此為依據(jù)合并網(wǎng)絡(luò)中的社區(qū),得到較為合理的重疊社區(qū)結(jié)構(gòu)。將該算法與經(jīng)典的CPM算法在四個(gè)真實(shí)網(wǎng)
3、絡(luò)上進(jìn)行對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,通過本文算法得到的網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)在精確率、覆蓋率和模塊度等方面有所提高,證明該算法發(fā)現(xiàn)的重疊社區(qū)結(jié)構(gòu)較為合理。
(2)針對(duì)傳統(tǒng)的同質(zhì)網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法無法充分利用異質(zhì)信息的問題,本文提出一種基于語義路徑的異質(zhì)網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法,充分考慮網(wǎng)絡(luò)中異質(zhì)節(jié)點(diǎn)和邊所包含的信息。該算法首先通過FindPath方法選取語義路徑;然后提取出不同語義路徑下對(duì)象的相似性矩陣;最后提取不同語義路徑下的對(duì)象特征并進(jìn)行融合,采
4、用K-Means算法得到最終的社區(qū)劃分結(jié)果。并在真實(shí)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明該算法的有效性。
(3)針對(duì)異質(zhì)網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)算法中無法充分保留異質(zhì)網(wǎng)絡(luò)原始結(jié)構(gòu)及其信息,而且較少考慮異質(zhì)節(jié)點(diǎn)同屬一個(gè)社區(qū)的情況,本文提出一種基于二部極大團(tuán)的異質(zhì)網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法。該算法引入二部極大團(tuán)理論:首先,以關(guān)鍵節(jié)點(diǎn)所屬規(guī)模最大的二部極大團(tuán)作為初始社區(qū);然后,以量化的社區(qū)的鄰居節(jié)點(diǎn)與社區(qū)的相似性為依據(jù)對(duì)社區(qū)進(jìn)行擴(kuò)充;最后,劃分出合理的社區(qū)結(jié)
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(qǐng)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(qǐng)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于復(fù)雜網(wǎng)絡(luò)的網(wǎng)絡(luò)大數(shù)據(jù)聚類應(yīng)用研究.pdf
- 基于復(fù)雜網(wǎng)絡(luò)特征的聚類算法研究.pdf
- 復(fù)雜網(wǎng)絡(luò)中基于數(shù)據(jù)場(chǎng)的自適應(yīng)聚類算法研究.pdf
- 基于聚類的復(fù)雜網(wǎng)絡(luò)的社團(tuán)發(fā)現(xiàn)的研究.pdf
- 基于隨機(jī)游走的復(fù)雜網(wǎng)絡(luò)聚類算法研究.pdf
- 基于復(fù)雜網(wǎng)絡(luò)局域同步理論的聚類算法研究.pdf
- 基于密度的半監(jiān)督復(fù)雜網(wǎng)絡(luò)聚類算法研究.pdf
- 65.基于優(yōu)化的復(fù)雜網(wǎng)絡(luò)聚類方法研究
- 復(fù)雜網(wǎng)絡(luò)社團(tuán)發(fā)現(xiàn)的聚類算法研究.pdf
- 基于邊聚類的復(fù)雜網(wǎng)絡(luò)重疊社區(qū)發(fā)現(xiàn)研究.pdf
- 基于模糊密度峰值聚類的復(fù)雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)研究.pdf
- 基于聚類的復(fù)雜網(wǎng)絡(luò)中社團(tuán)發(fā)現(xiàn)的算法.pdf
- 基于圖聚類的社會(huì)網(wǎng)絡(luò)數(shù)據(jù)挖掘算法研究.pdf
- 基于復(fù)雜網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)的網(wǎng)站聚類方法研究.pdf
- 基于流數(shù)據(jù)聚類的網(wǎng)絡(luò)行為分析研究.pdf
- 基于群體智能優(yōu)化的大數(shù)據(jù)復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)分析.pdf
- 基于計(jì)算社會(huì)科學(xué)的復(fù)雜網(wǎng)絡(luò)聚類算法研究.pdf
- 基于譜聚類的復(fù)雜網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)發(fā)現(xiàn)算法.pdf
- 基于超網(wǎng)絡(luò)的高維數(shù)據(jù)聚類方法研究.pdf
- 基于大數(shù)據(jù)的聚類算法研究及應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論