混合模型下的雅可比矩阵退火算法优化

• 作者: 王静红 冯婵 柴变芳
• 来源期刊: 深圳大学学报（理工版）
• 关键词: 人工智能理论 复杂网络 混合模型 退火算法 收敛速度 雅可比矩阵 半监督学习
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 电子与信息科学|Electronics and Information Science
• 页码范围: 188-193
• 页数: 6页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3724/SP.J.1249.2021.02188

摘要

退火算法可有效发现网络结构的聚类分布情况,但在不同的网络中算法处理结果的准确性有待提高.为更精确地识别混合模型网络结构中的数据分布,解决混合模型易陷入局部最大值和收敛等问题,提出混合模型下雅可比矩阵退火算法.首先利用逆温度参数β对模型进行初始化,然后迭代执行计算期望步骤和最大化步骤2个任务;采用雅可比矩阵计算模型的后验概率,直至算法达到设定的准确性或收敛.将建立的雅可比矩阵退火算法与半监督高斯混合模型下的逆模拟退火聚类算法在真实网络上进行对比分析,实验结果表明,基于雅可比矩阵的算法在混合网络模型中的准确性更优.该算法不仅能防止陷入局部最优,而且能提高分析网络聚类分布的准确性.