国产精品久久久aaaa,日日干夜夜操天天插,亚洲乱熟女香蕉一区二区三区少妇,99精品国产高清一区二区三区,国产成人精品一区二区色戒,久久久国产精品成人免费,亚洲精品毛片久久久久,99久久婷婷国产综合精品电影,国产一区二区三区任你鲁

您好,歡迎來電子發燒友網! ,新用戶?[免費注冊]

您的位置:電子發燒友網>源碼下載>數值算法/人工智能>

自動編碼器的社區發現算法

大小:1.94 MB 人氣: 2018-01-02 需要積分:2

  社區結構是復雜網絡的重要特征之一,社區發現對研究網絡結構有重要的應用價值.K均值等經典聚類算法是解決社區發現問題的一類基本方法.然而,在處理網絡的高維矩陣時,使用這些經典聚類方法得到的社區往往不夠準確.提出一種基于深度稀疏自動編碼器的社區發現算法CoDDA(a community detection algorithm based on deep sparse autoencoder),嘗試提高使用這些經典方法處理高維鄰接矩陣進行社區發現的準確性.首先,提出基于跳數的處理方法,對稀疏的鄰接矩陣進行優化處理,得到的相似度矩陣不僅能夠反映網絡拓撲結構中相連節點間的相似關系,同時還反映了不相連節點間的相似關系.然后,基于無監督深度學習方法構建深度稀疏自動編碼器,對相似度矩陣進行特征提取,得到低維的特征矩陣與鄰接矩陣相比,特征矩陣對網絡拓撲結構有更強的特征表達能力.最后,使用“均值算法對低維特征矩陣聚類得到社區結構.實驗結果顯示:與6種典型的社區發現算法相比,CoDDA算法能夠發現更準確的社區結構.同時,參數實驗結果顯示,CoDDA算法發現的社區結構比直接使用高維鄰接矩陣的基本K均值算法發現的社區結構更為準確.

自動編碼器的社區發現算法

非常好我支持^.^

(0) 0%

不好我反對

(0) 0%

      發表評論

      用戶評論
      評價:好評中評差評

      發表評論,獲取積分! 請遵守相關規定!

      ?