排序方式: 共有89条查询结果,搜索用时 15 毫秒
1.
基于度中心性局部扩展的社区划分算法 总被引:1,自引:0,他引:1
社交网络中社区划分问题的研究不仅为网络演化、信息传播和影响力分析等方向提供了理论依据,而且在好友推荐、商业营销和舆情检测等领域有着重要应用价值.针对基于贪婪优化的社区划分算法AGSO不稳定问题,提出了一种基于度中心性局部扩展的社区划分算法(DCLE).首先计算所有节点的度中心性(Degree Centrality),其次将链接两端节点度中心性之和作为链接的度中心性并降序排序,其后将度中心性最大链接作为初始链接加入网络,最后基于贪婪策略局部扩展并迭代,得到最终的社区划分结果.通过在公开的数据集和大型人工网络上进行实验,结果表明DCLE算法能快速且准确地发掘社区结构,稳定性得到显著提升. 相似文献
2.
针对数量型关联规则挖掘中划分边界过硬问题,以及加权关联规则中为确保向下封闭性成立而引起的规则丢失问题,提出一种新的加权模糊关联挖掘模型及其挖掘算法 NFWARM.为了避免区间划分引起的边界过硬问题,该模型引入模糊集软化属性的划分边界;同时,使用属性权重刻画元素对规则的贡献,在保证频繁项集向下封闭性的情况下,不会引起规则丢失.实验结果表明,该算法适用于包含布尔型和数值型数据的大型数据库的规则挖掘,并且得到的频繁项目集数目和规则数目有显著增加. 相似文献
3.
为了解决现有的影响力最大化研究没有充分考虑主题对影响力节点挖掘的影响而导致特定主题下节点集合的影响范围不大这一问题,本文提出了一种社会网络中基于主题的影响力最大化算法TIM。该算法首先根据主题敏感阈值对初始节点集进行预处理,剔除干扰节点,再在新的节点集合上分两个阶段进行节点挖掘。第一阶段挖掘主题权威性大的节点,第二阶段挖掘主题影响增量最大的节点,最后综合两个阶段的节点作为结果集并进行实验验证。实验结果表明,相比其他算法,TIM算法挖掘的节点集合在特定主题下的影响范围更大,时间复杂度更低。 相似文献
4.
在行人运动和行人行为观察的基础上,结合社会力模型,把行人运动看作一种自驱动的个体在连续空间中移动的过程。为了解决行人间相互作用力的不足,通过引入行人运动感知域,提出一种行人碰撞避免的解决机制,这种机制能较好解决行人间的相互碰撞行为,防止行人间出现大面积的堵塞现象。仿真实验结果显示改进后的模型能再现正常条件下行人流基本图,并很好地再现了行人流“通道形成”自组织现象。 相似文献
5.
基于TFIDF文本特征加权方法的改进研究 总被引:2,自引:0,他引:2
针对传统TFIDF方法将文档集作为整体来处理,并没有考虑到特征项在类间和类内的分布情况的不足,提出一种结合信息熵的TFIDF改进方法。该方法采用结合特征项在类间和类内信息分布熵来调整TFIDF特征项的权重计算,避免了那些对分类没有贡献的特征项被赋予较大权值的缺陷,能更有效计算文本特征项的权重。实验结果表明该方法提高了文本分类的精确度和召回率,是一种比较有效的文本特征加权方法。 相似文献
6.
现有发布/订阅系统分组普遍采用随机平均分组,没考虑代理的订阅内容会造成事件在所有分组中转发,增加网络流量.为此,提出一种基于订阅内容相似性分组拓扑构建算法.将每个代理的本地订阅聚集为一个订阅表达式,利用订阅间的相似性,把相似订阅所在代理添加到同一个组中,形成分组拓扑结构.实验结果表明,在不增加订阅信息转发流量和事件转发时延的情况下,可以明显降低事件在代理覆盖网之间转发流量,从而降低网络带宽占用率和代理平均负载. 相似文献
7.
基于多库操作语言的异构数据库集成框架研究 总被引:1,自引:0,他引:1
为解决当前异构数据库集成框架中全局模式维护复杂的问题,提出了基于多库操作语言的异构数据库集成框架HDIFBML.主要内容包含关键模块设计、全局模式及模式映射概念,并定义了一种多库操作语言SMSQL.SMSQL定义了模式构建语言集和模式映射语言集来构建,维护全局模式,并通过字段转化解决不同模式集成时的结构/语义冲突.实践应用表明,HDIFBML屏蔽了底层异构数据库执行细节,可以灵活地维护全局模式,具有良好的可操作性、可维护性和可扩展性. 相似文献
8.
9.
基于单词相似度的文本聚类 总被引:3,自引:1,他引:3
研究了现有的基于向量空间模型的文本聚类算法,发现这些算法都存在数据维度过高和忽略了单词之间语义关系的缺点.针对这些问题,提出一种基于单词相似度的文本聚类算法,该算法首先利用单词相似度对单词进行分类获得单词间的语义关系,然后利用产生的单词类作为向量空间的项表示文本降低了向量空间的维度,最后采用基于划分聚类方法对文本聚类.实验结果表明,相对于传统基于向量空间模型的聚类算法,该算法具有较好的聚类效果. 相似文献
10.
为了解决现有的多标签传播社区划分算法采用的随机顺序策略导致形成的社区划分结果不稳定和社区质量不够高的问题,提出了一种基于节点综合相似度的多标签传播社区划分算法MLPA-NCS。以节点潜在影响力的降序作为节点选择顺序,解决社区结果划分不稳定问题。根据节点的主题相似度和链接相关度计算出节点综合相似度,并以节点综合相似度降序作为更新节点标签时对邻近节点遍历的顺序,提高所划分社区的质量。采用真实数据集和人工网络数据,对多个算法进行对比实验,结果表明算法有效可行,社区划分结果更稳定,社区质量也更高。 相似文献