基于深度迁移的有向加权网络节点重叠检测

摘要：

针对有向加权网络节点类型多、数据量大,导致重叠检测精准度不高的问题,提出一种基于深度迁移的检测算法.利用深度迁移学习规则求解上一迁移任务节点间聚合、分离度关系,获取下一任务节点重叠知识,根据二者比值求得中心度值,中心度最高的节点与其它节点存在强紧密连接关系.考虑到有向加权网络范围大、节点数量多,计算中心节点的网络社区隶属度值越高表明社区内重叠节点数量越多.赋予重叠社区内相邻节点和数据边不同权重,定义两点间邻域重叠比,重叠比越大、数据间连接程度越强,重叠概率越高.仿真结果证明,所提方法检出率高,负载率低,耗用时间短,应用性能强.

关键词：深度迁移、聚合度、隶属度、相邻节点、邻域重叠比

所属期刊栏目：40

分类号：TP393(计算技术、计算机技术)

在线出版日期：2023-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：492-496