摘 要:重叠社区结构是复杂网络的一种重要的特征,本文提出了一种局部扩展的遗传优化重叠社区发现(LEGAOCD)。借鉴局部扩展的重叠社区发现方法的思想,将少数的核心节点构成模体;同时,本文利用了三角形模体来判断社区的稳定性度量问题,从而量化社区结构稳定性。然后通过改进的遗传优化算法策略分配它们应归属的社区;最后通过两个评价目标函数得到高质量的重叠社区结构。该算法在数据集上与经典的CPM算法、COPRA算法作比较,实验结果表明,LEGAOCD算法在检测重叠社区结构和重叠节点方面具有较优的性能。
关键字:局部扩展;遗传算法;重叠社区发现;核心节点;多目标优化
知网:
http://kns.cnki.net/KCMS/detail/51.1196.TP.20180209.1115.060.html?uid=WEEvREcwSlJHSldRa1FhdkJkVWI3QmRoTWcycEp0SGc2NUVLVlJTTGVGYz0=$9A4hF_YAuvQ5obgVAqNKPCYcEjKensW4ggI8Fm4gTkoUKaID8j8gFw!!&v=MDk0OTZ6bVJuNmo1N1QzZmxxV00wQ0xMN1I3cWViK1pyRmkvbFdyekpJRmM9THo3U1pMRzRIOW5Nclk5TVpPdHFZdzlN
计算机应用研究:http://www.arocmag.com/article/02-2019-03-031.html