一種加權稠密子圖社區發現算法
大?。?/span>1.23 MB 人氣： 2017-12-25 需要積分：3
標簽：加權(6956)
目前，針對復雜網絡的社區發現算法大多僅根據網絡的拓撲結構來確定社區，然而現實復雜網絡中的邊可能帶有表示連接緊密程度或者可信度意義的權重，這些先驗信息對社區發現的準確性至關重要．針對該問題，提出了基于加權稠密子圖的重疊聚類算法（overlap community detection on weighted networks，簡稱OCDW）．首先，綜合考慮網絡拓撲結構及真實網絡中邊權重的影響。給出了一種網絡中邊的權重定義方法：進而給出種子節點選取方式和權重更新策略；最終得到聚類結果．OCDW算法在無權網絡和加權網絡都適用，通過與一些經典的社區發現算法在9個真實網絡數據集上進行分析比較。結果表明算法OCDW在F度量、準確度、分離度、標準互信息、調整蘭德系數、模塊性及運行時間等方面均表現出較好的性能。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
一種加權稠密子圖社區發現算法下載
相關電子資料下載
- 二進制加權數模轉換器講解 1248
- 可編程通用濾波器實現C-message加權功能 493
- 通過多尺度說話人分解實現動態尺度加權 1026
- 使用CISPR加權檢波器的模擬超外差接收機時代 1516
- 基于H．264實現最優重疊塊匹配加權窗的系數設計 3250
- 噪聲中的加權-什么是加權 12927
- 加密貨幣會增加權力下放，使中介機構變得不那么重要 413
- 異構多核處理器系統的特點及基于加權優先級的任務調度算法分析 5392
- 兩種方法通過加權將先驗物理知識減少或離散化為適合現有深度學習架構的機制 2909
- 白話空間統計之地理加權回歸 2582