利用社区选举和链路预测的分类方法 |
| |
引用本文: | 杨旭华,陈孝则,王磊,许营坤,叶蕾,毛剑飞.利用社区选举和链路预测的分类方法[J].小型微型计算机系统,2022(8):1569-1576. |
| |
作者姓名: | 杨旭华 陈孝则 王磊 许营坤 叶蕾 毛剑飞 |
| |
作者单位: | 浙江工业大学计算机科学与技术学院 |
| |
基金项目: | 国家自然科学基金面上项目(61773348)资助;;浙江省自然科学基金项目(LY20F020029)资助; |
| |
摘 要: | 分类方法通过比较数据之间的相似性,把不同特征或属性的数据分别归属到不同的类别,在金融、医学和生物等领域有着广泛的应用.本文首次提出了一种利用社区选举和链路预测的分类方法(CCELP),该方法首先用k近邻算法将数据集转化成一个稀疏网络,接着使用社区检测算法把网络划分为多个社区,并通过投票选举得到每个社区的代表节点,移除不符合“过半数原则”的部分代表节点,将剩余代表节点同社区内节点相连得到新网络;接着提出了考虑二级共同邻居的分类链路预测(CLP)指标,在新网络中按照节点和代表节点间的CLP指标把节点归属到不同的类别中去,从而完成数据分类.在16个数据集上,CCELP与8种知名分类方法进行了比较,实验结果表明CCELP具有优异的分类效果.
|
关 键 词: | 社区检测 链路预测 机器学习 社区选举 分类算法 |
|
|