暂无评论
论文SCAN:AStructuralClusteringAlgorithmforNetworks。Itdetectsclusters,hubsandoutliersinnetworks.【簇(clus
针对传统基于标签传播的重叠社区识别方法存在较强的随机性,以及需要预设相关阈值来辅助完成社区识别等缺陷,提出基于多核心标签传播的重叠社区识别方法(OMKLP)。在分析节点度以及节点与邻居节点的局部覆盖密
在动态多模式网络中发现社区可以帮助人们了解网络的结构属性,解决数据不足和不平衡问题,并且可以协助解决市场营销和发现重要参与者的问题。一般来说,网络和它的社区结构是不均匀进化的。通过使用时态信息来分析多
对于简单图的社区结构发现，引入边凝聚系数的概念，提出了基于边凝聚系数的社区发现算法。 将安然邮件数据集 作为测试数据集，通过算法对比分析，证明该算法在时间复杂度上可以提高一个数量级。
复杂网络是复杂系统的典型表现形式, 社区结构是复杂网络最重要的结构特征之一. 针对复杂网络的社区结构发现 问题, 本文提出一种新的局部相似性度量, 并结合层次聚类算法用于社区结构发现.
社区发现的好文章，基于一种特定的模型进行讲解，简单易懂，利用价值高
针对传统社区发现算法多数是基于单一关系的同构学术社会网络，而包含多种关系的异构学术网络社区发现算法还不多的情况，提出一种基于FCM（fuzzyC-means）和结构洞的学术社区发现算法——HAFCD算
为提高社区发现算法的运行效率，提出了一种基于节点相似度的半监督社区发现算法——SSGN算法。充分利用先验知识must-link、cannot-link约束集合，将先验信息通过衍生规则进行扩展，并对扩展
PAGE 28 密级 保密期限 硕士研究生学位论文 题目复杂网络中节点角色发现算法研究 学 号 2011110765 姓 名 于兴隆 专 业 计算机科学与技术 导 师 吴斌 学 院 计算机学院 201
复杂网络中重要节点的发现.
暂无评论