资料下载
×
结合改进差分进化和模块密度的社区发现算法
消耗积分:0 |
格式:pdf |
大小:0.84 MB |
2021-04-12
分享资料个
社区发现是个性化推荐、群体特征归集、社会网络分析等领域研究的基础与核心，而现有社区发现算法在处理日益复杂的社会网络时，存在准确性不高、收敛速度慢、模块度分率受限等问题。为此，将差分进化和模块密度思想引入社区发现中，提出了一种结合改进差分进化和模块密度的社区发现算法。该算法首先调整差分进化的变异策略和参数，再将模块密度作为适应度函数以克服模块度分辨率限制;然后根据社区结构进行修正操作，以提高种群中的个体质量，加快全局收敛速度。在计算机生成网络数据集及5个具有代表性的真实世界网络数据集上，与多个应用较为广泛的社区发现算法进行对比实验。实验结果表明所提算法具有更高的准确性和更优的收敛性能。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
