一种基于聚类技术和蚁群算法的社团发现方法被引量：1

A Method for Detecting Communities Based on Clustering Technology and Ant Colony Algorithm

下载PDF

导出

摘要如何在复杂网络中自动地发现社团,对于研究复杂网络的结构、功能和行为有着非常重要的意义。在聚类技术的基础上,提出了一种基于蚁群算法识别相似结点的方法,以优化结点的计算性能。 How to discover communities automatically has great significance in the study of structure, function and behavior of complex network. Based on ant colony algorithm to optimize the node computational performance, a new method of identifying similar nodes is provided by using clustering technology.

作者宋智玲贾小珠

机构地区青岛大学信息工程学院

出处《青岛大学学报（自然科学版）》 CAS 2011年第2期55-58,63,共5页 Journal of Qingdao University(Natural Science Edition)

关键词复杂网络社团发现蚁群算法聚类 complex network scientific community ant algorithm clustering

分类号 TP311.133.1 [自动化与计算机技术—计算机软件与理论]

引文网络
相关文献

参考文献11

1汪小帆,李翔,陈关荣.复杂网络理论及应用[M].北京:清华大学出版社,2006.
2D. Gibson, J. M. K. Kleinberg, and P. Raghavan. Inferring web communities from link topology. In Proceedings of the 9thACM Conference on Hypertext and Hypermedia [M]. New York: Association of Computing Machinery, 1998.
3Newman M E J. Fast algorithm for detecting community structure in networks LJ]. Physical Review E, 2004, 69(6) : 066133.
4杨博,刘大有,LIU Jiming,金弟,马海宾.复杂网络聚类方法[J].软件学报,2009,20(1):54-66. 被引量：209
5张斌,苏一丹.一种基于方向相似性的蚁群聚类算法ACCADS[J].计算机与现代化,2008(3):86-89. 被引量：4
6傅调平,刘玉树.一种动态调整的混合蚂蚁聚类算法[J].北京理工大学学报,2006,26(6):504-507. 被引量：5
7屠莉.蚁群优化算法在数据挖掘中的应用研究[C].扬州大学,2006,223-228.
8刘赏.结合密度思想的蚂蚁聚类算法[C].河北工业大学,2003,152-159.
9朱峰,陈莉.蚁群与遗传算法融合的聚类算法研究[J].西北大学学报（自然科学版）,2009,39(5):745-749. 被引量：11
10徐晓华,陈崚.一种自适应的蚂蚁聚类算法[J].软件学报,2006,17(9):1884-1889. 被引量：55

二级参考文献96

1李进军,丛蓉,熊吉光.基于聚类分析的海上空袭目标攻击方向区分模型[J].军事运筹与系统工程,2004,18(2):22-26. 被引量：4
2杨燕,靳蕃,Mohamed Kamel.一种基于蚁群算法的聚类组合方法[J].铁道学报,2004,26(4):64-69. 被引量：39
3修宇,王士同,吴锡生,胡德文.方向相似性聚类方法DSCM[J].计算机研究与发展,2006,43(8):1425-1431. 被引量：21
4Watts D J, Strogatz SH. Collective dynamics of Small-World networks. Nature, 1998,393(6638):440-442.
5Barabasi AL, Albert R. Emergence of scaling in random networks. Science, 1999,286(5439):509-512.
6Barabasi AL, Albert R, Jeong H, Bianconi G. Power-Law distribution of the World Wide Web. Science, 2000,287(5461):2115a.
7Albert R, Barabasi AL, Jeong H. The Internet's Achilles heel: Error and attack tolerance of complex networks. Nature, 2000, 406(2115):378-382.
8Girvan M, Newman MEJ. Community structure in social and biological networks. Proc. of the National Academy of Science, 2002,9(12):7821-7826.
9Guimera R, Amaral LAN. Functional cartography of complex metabolic networks. Nature, 2005,433(7028):895-900.
10Palla G, Derenyi I, Farkas I, Vicsek T. Uncovering the overlapping community structures of complex networks in nature and society. Nature, 2005,435(7043):814-818.

共引文献298

1云健,刘勇奎,何丽君,陈华,王双成.蚁群聚类在民族突发事件应急决策中的应用[J].计算机应用研究,2009,26(2):509-512. 被引量：1
2宋智玲.蚁群算法优化结点和聚类技术在复杂网络中发现社团的研究[J].实验室研究与探索,2010,29(7):79-82.
3王晓芳.基于边链接权重的局部社团探测算法[J].农业网络信息,2012(12):32-33.
4李艳肖,黄晓玮,邹小波,赵杰文,石吉勇,朱瑶迪.蚁群-遗传算法优化近红外光谱检测花茶花青素含量的研究[J].食品安全质量检测学报,2014,5(6):1679-1686. 被引量：4
5智源,行飞.复杂网络社区结构问题综述[J].阴山学刊（自然科学版）,2011,25(3):31-34. 被引量：2
6邓波,张玉超,金松昌,林旺群.基于MapReduce并行架构的大数据社会网络社团挖掘方法[J].计算机研究与发展,2013,50(S2):187-195. 被引量：10
7周鹏.基于蚁堆原理的聚类算法在数据挖掘中的应用研究[J].科技广场,2007(1):99-101.
8王勇,刘国亮.电信网络二象模型及其复杂网络系统特性[J].电子测量技术,2007,30(4):63-66. 被引量：5
9龚本灿,李腊元,蒋廷耀,汪祥莉.基于信息素适量更新与变异的高效蚁群算法[J].计算机工程与应用,2008,44(1):45-47. 被引量：6
10杨卫莉,郭雷,赵天云,肖谷初.基于分水岭变换和蚁群聚类的图像分割[J].量子电子学报,2008,25(1):19-24. 被引量：8

同被引文献13

1刘婷,胡宝清.基于聚类分析的复杂网络中的社团探测[J].复杂系统与复杂性科学,2007,4(1):28-35. 被引量：16
2Newman M E J, Girvan M. Finding and evaluating community structure in networks [ J ]. Physical Review E, 2004, 69(2) :026113.
3Leicht E A, Newman M E J. Community structure in directed networks [ J ]. Phys. Rev. Lett, 2008,100 : 118703.
4解,汪小帆.复杂网络的一种快速局部社团划分算法[J].计算机仿真,2007,24(11):82-85. 被引量：13
5李晓佳,张鹏,狄增如,樊瑛.复杂网络中的社团结构[J].复杂系统与复杂性科学,2008,5(3):19-42. 被引量：80
6杨博,刘大有,LIU Jiming,金弟,马海宾.复杂网络聚类方法[J].软件学报,2009,20(1):54-66. 被引量：209
7谢福鼎,张磊,嵇敏,黄丹.Wu-Huberman方法和贪婪算法相结合的新聚类算法[J].计算机工程与设计,2009,30(10):2439-2441. 被引量：1
8蔡晓妍,戴冠中,杨黎斌.基于谱聚类的复杂网络社团发现算法[J].计算机科学,2009,36(9):49-50. 被引量：12
9周斌,程慧,杨立志,裴国庆.基于贪婪算法的符号网络中社团结构快速发现算法[J].大众科技,2009,11(12):48-49. 被引量：5
10付立东.一种向量划分的网络社团发现方法[J].西安科技大学学报,2010,30(2):238-240. 被引量：2

引证文献1

1郑凤妮.复杂网络中基于节点相似性聚类的网络社团发现方法研究[J].计算机与现代化,2013(5):231-234. 被引量：3

二级引证文献3

1孙亚红,肖淑苹.一个基于多维特征向量的复杂网络社团结构发现算法[J].计算机与数字工程,2015,43(4):558-561. 被引量：1
2康茜,李德玉,王素格,冀庆斌.传播过程中信号缺失的层次聚类社区发现算法[J].计算机工程与应用,2015,51(9):201-206. 被引量：3
3孟祥福,温晶,李子函,纪鸿樟.卷积神经网络的top-k相似节点搜索方法[J].小型微型计算机系统,2023,44(11):2516-2521.

1朱牧,孟凡荣,周勇.一种确定聚类数目的自组织特征映射网络[J].微电子学与计算机,2009,26(8):233-236.

青岛大学学报（自然科学版）

2011年第2期

浏览历史

内容加载中请稍等...

一种基于聚类技术和蚁群算法的社团发现方法被引量：1

参考文献11

二级参考文献96

共引文献298

同被引文献13

引证文献1

二级引证文献3

相关作者

相关机构

相关主题

浏览历史

一种基于聚类技术和蚁群算法的社团发现方法 被引量：1

参考文献11

二级参考文献96

共引文献298

同被引文献13

引证文献1

二级引证文献3

相关作者

相关机构

相关主题

浏览历史

一种基于聚类技术和蚁群算法的社团发现方法被引量：1