10.3969/j.issn.1672-9870.2015.05.029
基于边分类的SVM模型在社区发现中的研究
社区发现是复杂网络研究的重要内容,也是分析网络结构的重要途径.分析了社区发现研究中存在的问题,提出了一种基于边分类的SVM模型.通过边顶点相似度和边介数来表示边的特征,从而构造分类函数.利用LFR生成社区结构已知的人工网络,通过人工网络数据训练基于边分类的SVM模型,对分类函数的参数进行估计,利用训练模型对真实网络进行社区分类并通过标准化互信息(NMI)和整体准确度来评价分类效果.实验得到了较高的整体准确度和NMI值.实验表明基于边分类的SVM训练模型对真实网络数据的社区划分有较高的准确度,表明该方法是可行的.
社区发现、边分类、SVM模型、LFR
38
TP391(计算技术、计算机技术)
2015-12-01(万方平台首次上网日期,不代表论文的发表时间)
共4页
127-130