基于集成聚类的社区发现算法

作     者：江逸楠 刘家琛 王亚珅 张欣海 张博 JIANG Yi-nan;LIU Jia-chen;WANG Ya-shen;ZHANG Xin-hai;ZHANG Bo

作者机构：中国电子科学研究院北京100041 西安电子科技大学陕西西安710071 

基　　金：国家重点研发计划(2017YFC0820503) 北京市科技新星计划项目(Z181100006218041) 北京市科技计划项目(Z181100009018008) 

出 版 物：《中国电子科学研究院学报》 (Journal of China Academy of Electronics and Information Technology)

年 卷 期：2020年第15卷第4期

页      码：382-387页

摘      要：社区发现对于理解复杂系统的整体组织及其功能特性具有重要意义,在个性化服务、广告营销、舆情传播甚至犯罪团伙发现等领域具有广泛的应用场景。近年来,在机器学习聚类问题方面获得较好效果的集成聚类被引入社区发现问题的研究中,以提升社区发现的精确度和稳定性。本文通过将集成方法、集成聚类选择与社区发现相结合,提出了一个社区发现的集成聚类方法框架。首先通过集成选择获得较高质量的集成成员子集,之后通过模块度赋予成员不同的重要性权值,从而集成成员中发现的信息来改进社区发现效果。在几个真实网络上与其他经典社区发现算法进行对比实验的结果显示出基于该框架能有效提高社区发现的精确度。

主 题 词：社区发现 集成聚类 集成选择 

学科分类：08[工学] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1673-5692.2020.04.014

馆 藏 号：203925864...