基于谱聚类的多目标进化社区发现算法研究

发布时间：2021-05-19 17:39

　　多目标优化算法在复杂网络社区发现中具有很强的竞争力,然而,在处理社区结构较为模糊、网络数据规模大的问题时难以得到满意的效果。为克服现有多目标方法的不足,提出一种基于谱聚类的多目标复杂网络社区发现算法。该算法先用谱聚类对编码后的复杂网络进行初始种群划分,利用子图聚类特性生成高质量的初始种群。采用一种网格约简的数据归减方法在进化过程中对种群进行约减,有效降低算法复杂度,以满足大规模网络社区发现需求。在仿真网络和9个真实网络上的实验结果表明,该算法在社区发现精度性能和计算复杂度方面,都要优于MRMOEA,RMOEA,MCMOEA 3种代表性的基于多目标的社区发现算法。 

【文章来源】：计算机科学. 2020,47(S1)北大核心CSCD

【文章页数】：6 页

【文章目录】：
1 引言
2 相关工作
    2.1 多目标社区发现问题
    2.2 多目标进化算法的简介
    2.3 谱聚类算法描述
3 基于谱聚类的多目标社区发现算法
    3.1 基于谱聚类的初始种群划分
    3.2 数据归减策略
    3.3 SMOEA算法的整体流程
    3.4 SMOEA时间复杂度分析
4 实验结果和分析
    4.1 评价指标
    4.2 人工网络上的实验分析与比对
    4.3 真实网络上的实验分析与比对


【参考文献】：
期刊论文
[1]复杂网络聚类方法[J]. 杨博,刘大有,金弟,马海宾.  软件学报. 2009(01)



本文编号：3196171