-
题名基于深度编码器的复杂网络社区发现算法
被引量：3
- 1
-
-
作者
张士进
张胜
田纪彪
吴志强
戴维凯
-
机构
南昌航空大学信息工程学院
-
出处
《计算机工程与科学》
CSCD
北大核心
2020年第9期1640-1648,共9页
-
基金
国家自然科学基金(61661037)
江西省教育厅科技资助项目(GJJ170575)
江西省研究生创新专项基金(YC2018-S370)。
-
文摘
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。针对目前社区发现算法精确度低以及不适合大规模网络的问题,提出一种新的算法DA-EF和用于度量节点之间相似度的影响力扩散指标。DA-EF利用多层自动编码器与森林编码器构成二级级联模型,相似度矩阵进行降维和表征学习处理,转化成低维高阶特征矩阵,最终使用K-means得到准确的社区划分结果。级联结构在保持算法同等深度的情况下,大幅降低了算法时间复杂度。在人工合成数据集和真实数据集上的实验表明,DA-EF与同类算法K-means、DA-EML和CoDDA相比,其标准互信息NMI和模块度Q值高,而且聚类运行时间最少,具有精确度高和效率快的优势。在算法性能实验中,验证了算法的级联结构、自动编码器的深度以及影响力扩散指标的合理性和有效性。
-
关键词
复杂网络
自动编码器
森林编码器
社区结构
社区发现
-
Keywords
complex network
auto-encoder
EForest
community structure
community detection
-
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
-
