您现在的位置: 首页> 研究主题> 模块性

模块性

模块性的相关文献在1987年到2021年内共计83篇,主要集中在自动化技术、计算机技术、心理学、语言学 等领域,其中期刊论文77篇、专利文献673729篇;相关期刊67种,包括学术研究、华章、长春师范学院学报(人文社会科学版)等; 模块性的相关文献由139位作者贡献,包括杜海峰、李树茁、熊哲宏等。

模块性—发文量

期刊论文>

论文:77 占比:0.01%

专利文献>

论文:673729 占比:99.99%

总计:673806篇

模块性—发文趋势图

模块性

-研究学者

  • 杜海峰
  • 李树茁
  • 熊哲宏
  • 赵彦春
  • 黄建华
  • E·库尔逊
  • J·A·里沃斯
  • P·G·埃玛
  • 何胜
  • 吴沙
  • 期刊论文
  • 专利文献

搜索

排序:

年份

    • 崔俊明; 李勇; 李跃新
    • 摘要: Community detection and partitioning has become a critical issue in large-scale social networks.However,the applicability of most existing methods is limited by computational costs.In order to improve the quality of community division and calculation efficiency,a community detection algorithm based on un-weighted graphs is proposed.This algorithm uses two parameters to measure the community to achieve community discovery,which is clustering coefficient and common neighbor similarity,and its effectiveness is proved by the academic formula.Experimental analysis is carried out using a real social network dataset,and compared with other algorithms proposed two methods.The experimental results show that the proposed method is more efficient and the computation time is linear.It is suitable for community detection in large-scale social networks.%社区检测和划分已经成为大规模社会网络中一个非常关键的问题.然而,大多数现有的算法受限于计算成本,其适用性十分有限.为了提高社区划分质量和计算效率,提出了一种基于非加权图的社区网络检测算法.首先,算法采用两个新的参数来度量社区并实现社区检测,即聚类系数和共同的邻居相似性,并通过理论分析和公式推导证明其有效性.最后采用真实社会网络数据集进行了大量的模拟,实验结果表明,与传统的生成树算法以及CBCD算法相比,提出的方法更加有效,且计算运行时间具有线性复杂度,适用于大规模社会网络的社区检测.
    • 刘翠翠; 孙伟
    • 摘要: 通常在蛋白质网络中挖掘稠密子图或模块来识别其中的蛋白质复合物,限制了其应用范围和识别的准确性.针对该问题,提出了一种基于加权网络和局部适应度的蛋白质复合物识别算法.该算法综合稠密子图的密度指标和模块性定义了新的局部适应度函数,并基于边聚集系数构建加权的蛋白质网络,根据权值选择边,在加权蛋白质网络中将种子边不断聚类扩展,挖掘综合适应度最大的子图,从而识别出蛋白质复合物.在多个真实蛋白质网络中的实验表明,该算法能够有效提升蛋白质复合物识别的准确性.
    • 宋劲庞
    • 摘要: 形态与音系是语法的两个不同方面,但是二者之间存在着紧密的关联.了解形态—音系的互动方式并探讨合理的处理方法,对于深化对语言的认识、构建语言学理论都具有重要的意义.《形态与音系的交互作用》就是一部关于这方面的综览性专著.它以形态—音系互动类型为线索,讨论了形态敏感音系、过程形态、韵律模板、重叠、中缀、交错效应、推导环境效应、音系对形态的干涉、加括号悖论、范式效应等一系列自然语言现象;针对各类现象,它都配备了具体的语言材料,介绍了相关的处理方法和理论要点,并对竞争性的观点进行了比较.本文概括该书的主要内容和特点,讨论其对汉语研究的启示,并对通过削弱模块性换取分析灵活性的处理方法提出商榷意见.
    • 程艳云; 边荟凇; 边长生
    • 摘要: 对于特征空间中的数据,传统聚类算法通常直接在特征空间中进行聚类分析,因此高维空间数据无法在二维平面实现直观有效的聚类结果图形可视化,图数据可以明确反映对象之间的相似性关系,根据数据对象之间的距离,通过迭代将特征空间的数据建模成图数据。并对建模得到的图数据模型进行基于模块性的聚类分析,实现对非凸球分布数据集的聚类及对聚类结果实现二维空间的图形可视化。提出了聚类结果关于类间邻近边界的可信度概念,并提出了一种利用PageRank算法实现对聚类结果可信度计算的方法。
    • 陈艳红; 刘润清
    • 摘要: 大脑模块性是认知科学领域的基本假设之一.大脑模块可以分为神经模块和心智模块两个层面,二者在信息加工的竞争中因为属性契合而形成对应关系.有人认为模块性就意味着静态结构,并用大脑可塑性质疑其模块性.本文旨在证明大脑既是模块化的又是可塑的,并从大脑的进化、个体大脑发展以及模块间的关联三个角度讨论模块性和可塑性之间的互利关系.正因为大脑兼具模块性和可塑性才能实现延续与进化、稳定与发展之间的平衡,优化大脑高效性与适应性.
    • 姜雅文
    • 摘要: 网络用户行为与网络空间安全的联系非常紧密,网络用户作为网络空间安全事件的发起者和传播者,其行为特征直接或者间接地为网络空间安全事件的发生和传播提供了条件和途径.首先对网络空间用户行为的概念进行阐述,然后重点介绍了复杂网络的基本理论,包括复杂网络的典型特性.借助复杂网络的基本思想,将网络空间用户的行为抽象为复杂网络模型,并对照复杂网络的若干特性对网络空间用户行为的特性进行研究.通过实例验证表明,网络空间用户行为的复杂网络模型能够反映出复杂网络的典型特性,为后续采用复杂网络研究工具和方法对网络空间用户的行为进行度量和评估提供了依据.
    • 王文胜; 杨洪勇
    • 摘要: 在复网络社团挖掘过程中,传统的模块性定义依赖网络的邻接矩阵,仅考虑相邻节点间的关系,不能很好地描述真实网络的结构特征.为此,提出一种基于路径的模块性分析方法.根据网络节点间的路径及其概率分布构建模块性矩阵,用于替换传统基于边的模块性矩阵(邻接矩阵),得到能反映网络结构的模块性参数,并将其应用于复杂网络的社团挖掘,根据得到的社团结构对节点的标签进行预测.在Flickr数据集上的实验结果表明,与ModMax,LableDiffusion和EdgeCluster方法相比,该方法对节点标签的预测性能较好,能更准确地反映网络的社团结构.
    • 郑文萍; 张浩杰; 王杰
    • 摘要: The density-based graph clustering algorithm has been widely used in community detection. However, because it identifies a community by searching a partially dense subgraph in the network, many nodes do not consti⁃tute a dense subgraph and are therefore difficult to cluster. In this paper, we present a soft clustering algorithm based on dense subgraphs ( BDSG) for detecting communities in complex networks. First, we propose a method for detecting the central communities. Next, we define the degree of community attribution of a node, and put forward a core community extended strategy. Finally, we obtain the clustering results of a network. Compared with the clique percolation method ( CPM) , k-dense algorithms from Zachary's Karate Club, the dolphin social network, the American college football network, the email network, and the collaboration network, BDSG shows considerably better performance with respect to modularity and time efficiency. In addition, the proposed core community extend⁃ed strategy may improve the effectiveness of the clustering-methods-based density, such as that in CPM, k-dense algorithms, and others.%基于密度的图聚类算法在社区发现中得到了广泛应用,然而由于其通过搜索网络中局部稠密子图来识别社区,使得大量结点因不能构成稠密子图而未被聚类。针对此问题,给出了一种基于稠密子图的软聚类算法( commu⁃nity detection based dense subgraphs,BDSG)。首先给出一种中心社区发现方法;进而定义了一种结点的社区归属度,并给出中心社区扩展策略;最终得到聚类结果。通过与CPM( clique percolation method)、k⁃dense算法在空手道俱乐部、海豚社交网络、大学生足球网络、电子邮件网络和合作网络等数据进行比较,表明BDSG算法在模块性指标与时间效率方面体现了良好性能,同时中心社区扩展策略能在一定程度上提高CPM、k⁃dense等基于密度算法的聚类有效性。
    • 郑文萍; 王丹; 王杰
    • 摘要: 从大规模的复杂网络中挖掘重要的簇结构已经成为当今研究的热点之一.对复杂网络中基于密度和模块性的图聚类算法中的边权重定义、种子选择与扩展等问题进行了研究,提出一种检测复杂网络中稠密簇结构的局部模块性图聚类算法LMC.算法首先对网络中的边权重和子图的模块性进行定义,然后选择权重最大的边作为聚类“种子边”,最后对种子边进行扩展进而得到新簇.采用计算机构造数据和蛋白质作用网络数据对基于局部模块性的图聚类算法LMC进行实验.结果表明,算法LMC相较于其它聚类算法在检测复杂网络中相对稠密的簇结构的性能较好.
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号