作者:
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:
作为加速大规模图分析的技术,图稀疏算法在尽可能保留原始图性质的基础上实现图的稀疏化存储,从而加速大规模图的分析和处理.图稀疏算法是一种顶点全保存边稀疏的采样方法,可概括为四种边度量下的图稀疏采样方法:基于距离相似性的生成图稀疏算法、基于边连通的割稀疏和谱稀疏算法、基于社会网络的聚类稀疏和影响力传播的稀疏算法.本文归纳了这些算法的优缺点和适应性,最后展望了大规模图稀疏化尚未探索的有意义的研究课题.
推荐文章
基于稀疏图的鲁棒谱聚类算法
谱聚类
稀疏表示
图拉普拉斯
L1正则化
内点法
模糊认知图研究进展
模糊认知图
因果关系
推理机制
学习方法
面向目标检测的稀疏表示方法研究进展
目标检测
图像处理
稀疏表示
特征
谱图聚类算法研究进展
谱图聚类
图割目标函数
谱宽松方法
相似图构建
半监督学习
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 图稀疏算法研究进展
来源期刊 数据通信 学科
关键词 大规模图 稀疏图 线性概要图 图分析
年,卷(期) 2018,(3) 所属期刊栏目 技术交流
研究方向 页码范围 46-49,52
页数 5页 分类号
字数 4359字 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 徐丽丽 宁波大学信息科学与工程学院 6 35 2.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (51)
共引文献  (45)
参考文献  (9)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(6)
  • 参考文献(1)
  • 二级参考文献(5)
2011(4)
  • 参考文献(1)
  • 二级参考文献(3)
2012(6)
  • 参考文献(0)
  • 二级参考文献(6)
2013(11)
  • 参考文献(3)
  • 二级参考文献(8)
2014(5)
  • 参考文献(1)
  • 二级参考文献(4)
2015(2)
  • 参考文献(1)
  • 二级参考文献(1)
2018(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)
2019(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
大规模图
稀疏图
线性概要图
图分析
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
数据通信
双月刊
1002-5057
11-2841/TP
大16开
北京市海淀区学院路40号
82-891
1980
chi
出版文献量(篇)
2014
总下载数(次)
6
总被引数(次)
7821
论文1v1指导