结合改进差分进化和模块密度的社区发现算法-资料列表3-中国计算机学会

您的位置：首页 > 数字图书馆 > CCF DL Focus > Computer_Research > Volume6 > 资料列表3

结合改进差分进化和模块密度的社区发现算法

https://dl.ccf.org.cn/file_server/20200819/222_130_141_54/jsjkxyts6/ea4fc3f72da1450096d3df16254aaf1e.jpg

阅读量：156

2022-05-06

收藏本文

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、模块度分辨率受限等问题。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。

收藏本文

<<< 上一篇面向超大规模社会系统仿真的概念模型

融合社交网络用户潜在因子的社会化推荐下一篇 >>>

<<< 下一篇融合社交网络用户潜在因子的社会化推荐

读完这篇文章后，您心情如何？

[ 0 ]人参与 (点击查看)

匿名评论所有评论仅代表网友意见

结合改进差分进化和模块密度的社区发现算法

https://dl.ccf.org.cn/file_server/20200819/222_130_141_54/jsjkxyts6/ea4fc3f72da1450096d3df16254aaf1e.jpg

推荐内容