原文服务方: 河南科学       
摘要:
社区挖掘是复杂网络分析中一项重要工作。目前已有许多好的社区挖掘算法,但这些算法大多基于节点间的连接关系发现内聚的社会团体,而实际网络中节点大多具有不同的行为和影响力。基于此,充分考虑社区内节点相互连接紧密以及节点具有不同影响力的特性,提出一种基于极大完全图扩展的社区挖掘两阶段算法。第一阶段:从内聚的子团和度中心性节点的影响力出发,从网络中选取分散的k个内聚的且有影响力的极大完全图作为初始社区;第二阶段,基于局部社区模块度扩展方法,将重叠节点和初始社区外节点扩展到与其连接紧密的相应社区内。最后通过仿真实验验证了该算法的有效性。
推荐文章
一种基于极大完全子图的最大频繁项集并行挖掘算法
数据挖掘
关联规则
极大完全子图
频繁项集
并行算法
基于图数据的极大频繁子树挖掘算法研究
极大频繁子树
图数据集
候选子树
子树同构
半结构化数据集
一种基于前缀节点的频繁子图挖掘算法
数据挖掘
频繁子图
同构类
规范化形式
前缀节点
一种有效的完全加权正负关联模式挖掘算法AWAPM_SPRMI
数据挖掘
正负关联模式
完全加权关联规则
频繁项集
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 一种基于极大完全图扩展的社区挖掘算法
来源期刊 河南科学 学科
关键词 社区结构 极大完全图 度中心性节点
年,卷(期) 2015,(12) 所属期刊栏目 机械电子与计算机科学
研究方向 页码范围 2140-2145
页数 6页 分类号 TP301
字数 语种 中文
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 赵卫绩 绥化学院信息工程学院 42 82 5.0 6.0
2 刘井莲 绥化学院信息工程学院 46 92 5.0 6.0
3 佟良 绥化学院信息工程学院 14 8 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (30)
共引文献  (172)
参考文献  (10)
节点文献
引证文献  (1)
同被引文献  (7)
二级引证文献  (0)
1965(1)
  • 参考文献(1)
  • 二级参考文献(0)
1970(1)
  • 参考文献(0)
  • 二级参考文献(1)
1977(2)
  • 参考文献(1)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(1)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(12)
  • 参考文献(1)
  • 二级参考文献(11)
2005(4)
  • 参考文献(2)
  • 二级参考文献(2)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(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)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
社区结构
极大完全图
度中心性节点
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
河南科学
月刊
1004-3918
41-1084/N
大16开
1982-01-01
chi
出版文献量(篇)
7317
总下载数(次)
0
总被引数(次)
26314
论文1v1指导