一种结合节点局部影响力的标签传播算法

标签传播算法(LPA)作为一种简单高效的社区挖掘算法一直受到广泛的关注.但是标签传播过程中存在随机性,导致算法鲁棒性差、社区划分结果不稳定.为解决此类问题,本文提出一种结合节点局部影响力的算法(CRD-LPA).该算法综合考虑节点度、邻节点的消息传播能力、局部密度分布等因素,将近似集聚系数和节点局部密度引入到CRD系数的计算中,从而更精确的衡量节点在网络中的重要程度;然后,根据CRD系数对LPA算法的节点标签更新策略进行改进.实验结果表明,改进后的算法不仅提高了社区划分的质量,而且也表现出较好的鲁棒性.

一种优化标签传播过程的重叠社区发现算法

随着社区规模的不断扩大,基于标签传播思想的重叠社区发现算法得到较大发展。经典重叠社区发现算法虽然很好地利用了标签随机传播特性实现了重叠社区发现,但是也导致该算法输出结果很不稳定、社区生成质量较差。为克服采用最新的ClusterRank为所有节点排序降低随机性带来的结果稳定性差的弊端,引入最大社区节点数以控制最大社区节点数目,防止远大于其他社区的Monster出现。采用真实数据集和人工网络验证,结果证实,改良后算法可行有效。

基于复杂网络的社区发现算法研究

近年来,高质量社区的挖掘和发现已经成为复杂网络研究的一个热点。目前大多的社区发现算法主要针对无向网络,但现在的很多真实网络通常都是有向加权的。同时,标签传播算法(LPA)是一种接近线性复杂度的社区发现算法,该算法具有简单高效、不需要提供社区规模和社区个数等先验知识的特点,因而得到了广泛关注和应用。针对有向加权网络,提出了一种基于节点重要性和节点相似性的改进标签传播算法(CRJ-LPA)。该算法综合考虑节点的边权、节点的信息传播能力、节点相似度以及节点集聚系数等因素。算法通过加权的ClusterRank获得节点重要性列表用以避免LPA中的随机选择;然后,采用Jaccard系数度量节点的相似度,结合节点重要性列表计算出一个新的度量CRJ(重要度和相似度),提高了算法的稳定性。实验结果表明,该算法有效可行,且具有较好的鲁棒性。

一种基于文本聚类的网页排序方法

提出一种新的网页排序方法-ClusterRank方法。该方法先对检索结果进行文本挖掘,然后利用Web网页的链接信息以及用户点击率对网页重要性的影响对挖掘结果进行排序。该算法可以引导用户进一步明确其检索需求。

用Excel计算密切值法的多目标综合决策与聚类等级分析

数值计算是MicrosoftExcel最重要的一种功能。作者在应用Excel的基础上 ,用目前较为流行的密切值法对卫生监督统计资料进行了多目标决策和聚类等级分析。