Jun, 2024

网络中基于粗糙集和共识聚类的社区发现新算法

PDF
TL;DR基于粗糙聚类的共识社区检测（RC-CCD）方法通过粗糙集理论处理数据中的不确定性，并利用共识聚类方法聚合多个聚类结果，增强社区检测的可靠性和准确性，从而有效地管理复杂网络中常见的重叠社区。在 Lancichinetti-Fortunato-Radicchi 方法生成的基准网络上进行的综合测试展示了该方法在不同节点度和社区规模下的强大适应性和稳定性。与其他著名检测算法结果的交叉比较凸显了 RC-CCD 方法的稳定性和适应性。
发现论文，激发创造
  • 复杂网络中的共识聚类

    探究了社区结构如何能被用于复杂网络中以展示其组织和其组成部分之间隐藏的关系。这里提出了将一致性聚类（consensus clustering）与任何现有方法自洽地结合起来的框架，以显著提高生成的分区的稳定性和准确性。在将该框架应用于大型物理论文引用网络的案例中也展示了其跟踪主题出现、消失和多样化的能力。

    Mar, 2012

  • 大规模网络中检测社区结构的近线性时间算法

    通过节点的标签传播，本文提出了一种在大规模网络上检测社区结构的算法，不需要预先知道社区数量和大小，并且计算效率高；实验证明该算法与先前算法相比具有更高的计算速度。

    Sep, 2007

  • 探测网络社群：一种新的系统化高效算法

    本文介绍了一种利用图拉普拉斯矩阵的谱特性，结合分层聚类技术和包含最大化输出模块化程度处理的高效且相对较快的检测复杂网络中社区的算法，并将其性能与其他现有方法在不同的复杂网络实例中应用进行了比较。在所有测试案例中，我们的结果都至少与任何其他方法获得的最佳结果一样好，大多数情况下比提供类似质量结果的方法更快，这使得该算法成为检测和分析复杂网络中社区和模块化结构的有价值的计算工具。

    Apr, 2004

  • 网络中自动社区检测的假设检验

    本文提出了自动确定 Stochastic Blockmodel 所生成的图中聚类数的方法。通过剖析相应的邻接矩阵的主特征值限制分布并用于假设检验，提出了一个递归二分算法，该算法在真实世界的定量分类任务中表现优于现有概率模型，并且在未标记的网络中揭示出嵌套的社区结构。

    Nov, 2013

  • 使用 Ricci 流对网络进行社区检测

    通过将网络看作几何对象并将网络中的社群视为几何分解，我们应用曲率和离散 Ricci 流的几何方法来分解网络社群。在具有基本真实社群结构的网络上测试了我们的方法，并实验验证了此几何方法的有效性。

    Jul, 2019

  • 关于群聚网络价值数据

    本文论述如何应对集合多种网络数据的任务，并提出一种新的在非对称网络中对每个网络节点分配计算特征向量的网络聚类方法。

    Jun, 2016

  • 鲁棒性共识聚类及其在广告预测中的应用

    提出了一种基于 ADMM 的稳健共识聚类算法，能够在聚类结果中对异常点和噪声有很好的鲁棒性，应用于广告预测任务中产生了较好的结果。

    Dec, 2022

  • 本地分布多网络隐私保护社区检测

    本研究提出了一种使用本地存储计算的网络数据，并具有隐私保护的多层随机块模型的共识社区检测和估计的新方法，通过采用随机响应机制来扰动网络边缘，使用偏差调整程序进行去偏差矩阵的特征分解和 K-means 聚类。

    Jun, 2023

  • 复杂网络中重叠和分层社区结构的检测

    本研究介绍了一种基于适应度函数本地优化的算法，能够发现复杂网络中的社区结构、嵌套社区和重叠社区，可以通过调整参数来探索不同层次的组织结构水平。在真实网络和人工网络上进行了测试，取得了优异的结果。

    Feb, 2008

  • 基于相关矩阵的社区检测

    通过基于随机矩阵理论的一致重新定义空模型的方法，我们提出了最流行的社区检测技术的适当基于相关性的对应物。我们将技术应用于几个金融时间序列，并确定了不可简化为标准部门分类法的股票介观群体，发现了在社区之间交替的 “软股票”，并讨论了投资组合优化和风险管理的影响。

    Nov, 2013