針對(duì)復(fù)雜網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)具有重疊性的問(wèn)題,目前已提出許多不同類型的解決方法,其中基于對(duì)稱二值非負(fù)矩陣分解（SBNMF）的重疊社區(qū)發(fā)現(xiàn)方法是具有代表性的方法。然而,SBNMF在面對(duì)社區(qū)內(nèi)部鏈接稀疏的網(wǎng)絡(luò)時(shí),其重疊社區(qū)發(fā)現(xiàn)性能低下,為此提出一種基于改進(jìn)SBNMF（ISBNMF）的重疊社區(qū)發(fā)現(xiàn)方法。首先利用對(duì)稱非負(fù)矩陣分解得到的因子矩陣構(gòu)建社區(qū)內(nèi)部鏈接稠密的新網(wǎng)絡(luò),然后再使用基于Frobenius范數(shù)的SBNMF模型對(duì)新網(wǎng)絡(luò)的鄰接矩陣進(jìn)行分解,最后通過(guò)網(wǎng)格搜索法或梯度下降法得到可以顯式指示節(jié)點(diǎn)的社區(qū)隸屬關(guān)系的二值矩陣。在人工合成的和真實(shí)的網(wǎng)絡(luò)數(shù)據(jù)集上進(jìn)行大量實(shí)驗(yàn),結(jié)果表明ISBNMF的社區(qū)發(fā)現(xiàn)性能優(yōu)于SBNMF和其他代表性方法。 

【文章頁(yè)數(shù)】：8 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]一種高效的隨機(jī)塊模型學(xué)習(xí)算法[J]. 趙學(xué)華,楊博,陳賀昌.  軟件學(xué)報(bào). 2016(09)
[2]識(shí)別高質(zhì)量重疊社區(qū)的高效算法[J]. 姚新亮,鐘誠(chéng).  小型微型計(jì)算機(jī)系統(tǒng). 2016(03)
[3]基于對(duì)稱非負(fù)矩陣分解的重疊社區(qū)發(fā)現(xiàn)方法[J]. 胡麗瑩,郭躬德,馬昌鳳.  計(jì)算機(jī)應(yīng)用. 2015(10)



本文編號(hào)：3711185