基于复杂网络理论和遗传算法的分类方法

摘要

结合复杂网络研究的部分新理论成果和遗传算法的思想,提出一种新的分类方法.该方法将数据集按给定的相似度公式构造出具有社团结构的网络,在此网络的基础上用遗传算法的思想进行分类.算法引进社团模块度作为适应度函数,并且提出了节点归类错误率(NCM)对每次迭代产生的解进行纠错,提高了分类质量和速度.实验表明算法在分类精度和时间上都优于基于加权复杂网络特征的K-means聚类算法(WCNFC).