基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对传统的K-means算法的划分结果受初始中心节点影响较大,以及每次刷新中心节点均需要进行计算,使得算法运行时间较高等问题,提出一种基于中心度的K-means改进算法CDK算法。该算法根据节点的中心度以及节点之间的最短路径来确定初始社团的中心节点,然后根据节点之间的Jaccard相似度,将非中心节点划分到K个社团中。CDK算法避免了传统的K-means算法由于随机选取初始中心点而造成划分结果不稳定、精度较差的问题,同时CDK算法在刷新中心节点的时候无须进行计算,具有更低的时间复杂度。
推荐文章
一种融合节点与链接属性的社交网络社区划分算法
社交网络
社区划分
模块度
相似权值
基于节点综合相似度的多标签传播社区划分算法
社区划分
标签传播
重叠社区
综合相似度
主题相似度
一种新的重叠社区发现算法
复杂网络
重叠社区
社区发现
中心度
适应度
基于朋友关系变迁演化的社区划分算法
机会网络
朋友关系
社区划分
数据集
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种基于节点中心度的社区划分新算法
来源期刊 现代计算机:中旬刊 学科 工学
关键词 中心度 K-MEANS 社区发现
年,卷(期) xdjsjzxk_2015,(3) 所属期刊栏目
研究方向 页码范围 22-25
页数 4页 分类号 TP311.13
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 乔健 北京交通大学计算机与信息技术学院 2 1 1.0 1.0
2 杨昆朋 北京交通大学计算机与信息技术学院 4 16 1.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (26)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1998(4)
  • 参考文献(4)
  • 二级参考文献(0)
1999(4)
  • 参考文献(4)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
中心度
K-MEANS
社区发现
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代计算机:中旬刊
月刊
1007-1423
44-1415/TP
广州市海珠区新港西路135号中山大学园B
46-205
出版文献量(篇)
9067
总下载数(次)
3
论文1v1指导