10.3969/j.issn.1000-3428.2014.09.038
基于压缩感知的社团结构深度学习方法
传统社团结构发现算法复杂度高,且只适合处理小规模低维度的社会网络数据,而无法处理大规模高维度实际网络数据。为此,提出一种基于压缩感知的社团结构深度学习方法。通过随机测量矩阵对社会网络数据进行特征降维,并使用深度信度网( DBN)对降维后的特征样本集进行无监督学习,利用带类标的小样本集进行有监督调优。仿真结果表明,随机测量方法对高维稀疏特征具有较好的降维效果,DBN对大规模数据集具有较好的处理性能,该方法适合对大规模高维度实际社会网络数据进行高效处理。
压缩感知、深度学习、社团发现、深度信念网、社团结构、模块度
TP393.08(计算技术、计算机技术)
国家“863”计划基金资助项目2012AA01A510;国家自然科学基金资助项目60603029。
2014-09-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
190-195