| 牛建伟,戴彬,童超,彭井.GFN：基于“群”思想对Fast Newman算法改进的复杂网络聚类算法[J].高技术通讯(中文),2013,23(10):1016~1023 |
| GFN：基于“群”思想对Fast Newman算法改进的复杂网络聚类算法 |
|
| |
| DOI： |
| 中文关键词: 复杂网络，聚类算法，群，模块度评价函数，Fast Newman(FN)算法 |
| 英文关键词: |
| 基金项目: |
| 作者 | 单位 | | 牛建伟 | 北京航空航天大学计算机学院 | | 戴彬 | 北京航空航天大学计算机学院 | | 童超 | 北京航空航天大学计算机学院 | | 彭井 | 北京航空航天大学计算机学院 |
|
| 摘要点击次数: 3475 |
| 全文下载次数: 3279 |
| 中文摘要: |
| 针对目前复杂网络优化聚类算法目标函数的有偏性影响聚类精度的问题，提出了“群”的概念，实现了对节点在聚类过程中局部信息决策环境的划定。提出了基于“群”概念改进的网络模块性评价函数，并以该函数作为目标函数对Fast Newman(FN)算法进行了改进。在不同类别数据集上进行的聚类实验的结果表明，基于“群”思想改进的FN算法(GFN)在复杂网络中的聚类精度比FN算法平均提高了约70%，从而验证了“群”思想在揭示真实簇结构过程中的有效性。 |
| 英文摘要: |
| |
|
查看全文
查看/发表评论 下载PDF阅读器 |
| 关闭 |
|
|
|
