网络重叠社区发现的谱聚类集成算法

来源 :控制与决策 | 被引量 : 0次 | 上传用户:heliuer
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
鉴于计算代价高昂的谱聚类无法满足海量网络社区发现的需求,提出一种用于网络重叠社区发现的谱聚类集成算法(SCEA).首先,利用高效的近似谱聚类(KASP)算法生成个体聚类集合;然后,引入个体聚类选择机制对个体聚类进行优选,并对优选后的个体聚类建立簇相似图;最后,进行层次软聚类,得到网络节点的软划分.实验结果表明,与代表性算法(CPM,Link,COPRA,SSDE)相比较,SCEA能够挖掘出具有更高规范化互信息(NMI)的网络重叠社区结构,且具有相对较好的鲁棒性.
其他文献
针对自动测试系统数量不断增加但大多数不能共享测试平台的状况,提出了为不同类型测试系统建立开放式通用测试平台的构思,通过封闭式自动测试系统和开放式自动测试系统的对比
以全光纤Mach-Zehnder(M-Z)干涉仪为基础,阐述了光纤双传感臂振动传感器的工作原理和结构设计。按照理论设计的结构采用硫化硅橡胶及金属铁块制作了传感探头,并完成全光纤双传