Print

基于聚类质量的半监督INMF动态社区检测算法

论文摘要

为实现复杂网络的快速分析,提出一种基于聚类质量的改进非负矩阵分解(INMF)算法,将其用于动态社区检测。从理论分析角度证明了演化谱聚类、INMF和模块密度优化之间的等价性,并基于该等价性,在不增加时间复杂度的前提下,通过在INMF中加入先验信息给出一种半监督INMF算法。在人工构造和真实世界的动态网络上的实验结果表明,与QCA、MIEN算法相比,该算法的社区检测质量和社区检测效率更优。

论文目录

  • 0 概述
  • 1 问题描述
  •   1.1 符号定义
  •   1.2 社区定量评价函数
  • 2 基于CQ的聚类算法等价性描述
  •   2.1 基于CQ的聚类算法分析
  •   2.2 演化谱聚类
  •   2.3 模块密度优化
  •   2.4 非负矩阵分解
  • 3 半监督INMF算法
  •   3.1 半监督局部社区聚类发现
  •   3.2 动态社区发现
  •   3.3 参数选择
  •   3.4 计算复杂度分析
  • 4 实验结果与分析
  •   4.1 实验环境设置
  •   4.2 静态社区发现模型有效性验证
  •   4.3 静态社区发现模型可视化验证
  •   4.4 动态社区发现模型性能验证
  • 5 结束语

    • 文章来源

    类型: 期刊论文

    作者: 陈吉成,陈鸿昶,于洪涛

    关键词: 聚类质量,半监督,非负矩阵分解,动态社区检测,图模型

    来源: 计算机工程 2019年10期

    年度: 2019

    分类: 信息科技,基础科学

    专业: 数学,计算机软件及计算机应用

    单位: 国家数字交换系统工程技术研究中心

    基金: 国家自然科学基金创新研究群体项目(61521003)

    分类号: TP301.6;O157.5

    DOI: 10.19678/j.issn.1000-3428.0052570

    页码: 227-233

    总页数: 7

    文件大小: 363K

    下载量: 152

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/f05bda1b8b3cdf113ba252b8.html