【摘 要】
：
针对基于多标签传播重叠社团挖掘算法COPRA因随机更新策略带来的不稳定性以及需要预先输入参数的局限性等问题,提出一种基于LeaderRank和节点相似性的多标签传播重叠社团挖掘
【基金项目】
：
陕西省科技计划重点项目（2017ZDCXL-GY-05-03）
论文部分内容阅读
针对基于多标签传播重叠社团挖掘算法COPRA因随机更新策略带来的不稳定性以及需要预先输入参数的局限性等问题,提出一种基于LeaderRank和节点相似性的多标签传播重叠社团挖掘算法.该算法首先利用LeaderRank算法对网络中的节点进行重要性排序从而确定节点的更新顺序,减少标签不必要的更新.在标签传播过程中,根据节点相似性重新设计标签的更新策略,提高算法的稳定性.将算法应用于人工网络和真实网络中进行实验,实验结果表明该算法在挖掘重叠社团上具有较高的准确性和稳定性.
其他文献
如何能够准确地对软件老化趋势进行预测,并及时采取相应恢复策略是当前预防软件老化的一个关键问题.为此,针对老化数据的时序特性,以循环神经网络(Recurrent Neural Network,
近年来,基于众包的视频直播平台逐渐兴起,以其丰富的观众-主播交互机制吸引广大用户观看.针对直播平台的分析也随之成为流媒体服务领域的一个研究热点.直播过程中精彩片段的自动提取对于标签生成、视频分类和内容推荐等方面而言至关重要,然而现有的精彩片段检测大多围绕音频、视频数据本身展开,如视频语义分析、音频情感感知等,缺乏对用户交互属性的合理利用.本文以斗鱼直播平台为例,通过分析观众的发弹幕与送礼物行为,提
协同虚拟现实技术具有广泛的应用背景,文中以全方位轮椅为应用对象,探讨虚拟现实技术的应用.结合Mecanum轮、连续切换轮、锥滚轮这三种全向轮的运动原理与排布方式,分析了轮
研究了具有切换拓扑的离散时间多智能体系统的事件触发H∞滤波问题.构造了一种新的分布式事件触发控制方案,以确定是否每个智能体应该传输当前采样数据到滤波器,从而有效的节
在现有的雷达辐射源信号识别研究中,传统人工提取到的特征虽具有较为良好的物理表征,但特征中还存在冗余、噪声特征,而通过深度神经网络虽可以挖掘到对信号更深层次的表达,但
针对基于光滑粒子动力学方法的流体交互仿真过程中效率低,交互细节不够真实等问题,提出了采用基于位置的流体来模拟刚体工具与流体的交互方法.该方法在传统的光滑粒子动力学
目标检测大量应用于监控系统的行人检测以及人脸识别,是当前深度学习的研究热点.监督学习利用人工标注大量数据集训练出针对特定场景的行人检测器.但是人工标注方法费时费力,本文针对监督学习需要人工标注数据集的缺点,研究了一种半自动标注行人的方法.针对静止的单目摄像机拍摄的监控视频,利用光流信息提供的初始前景可能性,以及跨越时间的视觉相似性来迭代地更新初始的前景可能性,分割出运动的行人,根据分割的前景对象,
针对输电线路三维可视化系统中大规模地形场景的渲染问题,提出一种基于静态LOD的虚拟地形绘制优化算法.建立输电线路廊道内地形高程数据的分块模型,将视角移动速度纳入细节层
针对传统Lukas-Kanade法(以下简称LK法)在板球系统中追踪小球难以捕捉圆心、追踪精度不高问题,提出一种基于hough变换的改进LK法.传统LK法确定角点主要是选取图中灰度梯度大的地方,角点总是在小球边缘而无法深入圆心,采用改进LK法选取角点是将图像的二维XY坐标系转换为三维ABR坐标系,通过累积数量和累积权重确定圆心.通过该点的图像的灰度梯度,进行追踪.结果显示改进的光流法对目标的捕捉要
基于深度学习和深度摄像机的人体动作识别方法,受其应用场景所限,均不能对视频中快变场景和静态图像中的人体动作进行识别.本文中定义了人体肢体角度空间,使用基于深度学习的人体骨骼识别框架的骨骼数据,构建8个4层BP回归神经网络.对人体的骨骼数据提取和预处理后,再对训练数据进行增维处理,通过回归神经网络进行拟合,实验和测试结果表明,该方法可以有效的对人体角度进行回归,为快变场景和静态图像中的人的动作识别提