模塊度是度量社區(qū)質(zhì)量的重要方法,然而容易陷入局部最大值問題。為了確定最佳局部模塊性,利用機器學(xué)習(xí)中隨機森林模型預(yù)測的最佳模塊性,構(gòu)造共識矩陣,并采用CSPA集成聚類算法對構(gòu)造的共識矩陣進行聚類分析,最后對聚類效率進行了比較。 

【文章來源】：電腦編程技巧與維護. 2020,(09)

【文章頁數(shù)】：2 頁

【文章目錄】：
1 概述
2 局部社區(qū)模塊性度量
3 圖的中心性度量
4 隨機森林模型
5 實驗分析
6 結(jié)語


【參考文獻】：
期刊論文
[1]基于局部增量超點Louvain剪枝技術(shù)的社區(qū)發(fā)現(xiàn)[J]. 鄭麗.  控制工程. 2017(10)
[2]一種基于局部相似性的社區(qū)發(fā)現(xiàn)算法[J]. 吳鐘剛,呂釗.  計算機工程. 2016(12)



本文編號：3270766