面向图表示社区检测的新型聚类覆盖算法

发布时间：2021-10-24 19:01

　　图表示社区检测使用图表示方法学习网络节点的向量表示,然后对节点向量进行聚类获得社团结构.然而经典的聚类算法在聚类节点向量时,得到的结果往往不能够体现社区的特性.提出一种新型的聚类覆盖算法,将聚类所得覆盖视为社区划分结果.首先在节点向量空间中计算得到每个簇的覆盖中心;然后根据覆盖中心到同类样本的平均距离作为覆盖半径,在向量空间中形成覆盖;最后对未覆盖的点做二次划分得到社区结构.在多个有真实和无真实标签网络的实验表明,所提出的算法可以得到更合理的社区结果. 

【文章来源】：电子学报. 2020,48(09)北大核心EICSCD

【文章页数】：8 页

【文章目录】：
1 引言
2 相关工作
    2.1 传统社区发现算法
    2.2 图表示方法
    2.3 交叉覆盖算法
3 算法描述
    3.1 相关定义
        3.1.1 问题定义
        3.1.2 符号定义
    3.2 聚类覆盖算法
        3.2.1 覆盖中心和覆盖半径
        3.2.2 未覆盖节点处理
    3.3 基于聚类覆盖的图表示社区检测算法
4 实验分析
    4.1 数据集
    4.2 对比算法
    4.3 评价指标
        4.3.1 归一化互信息
        4.3.2 模块度
        4.3.3 准确率和召回率
    4.4 实验结果
        4.4.1 分析覆盖半径
        4.4.2 与传统聚类算法比较
        4.4.3 与主流社团发现算法比较
        4.4.4 可扩展性分析
5 结束语


【参考文献】：
期刊论文
[1]移动感知器网络中基于随机游走和协作关系的任务分发算法[J]. 陶冶,张书奎,张力,龙浩,王进.  电子学报. 2019(08)
[2]基于链接相似性聚类的重叠社区识别[J]. 张桂杰,张健沛,杨静,辛宇.  电子学报. 2015(07)
[3]多层前向网络的交叉覆盖设计算法[J]. 张铃,张钹,殷海风.  软件学报. 1999(07)
[4]M-P神经元模型的几何意义及其应用[J]. 张铃,张钹.  软件学报. 1998(05)



本文编号：3455810