申请/专利权人:北京化工大学
申请日:2022-02-24
公开(公告)日:2023-09-05
公开(公告)号:CN116701964A
主分类号:G06F18/23
分类号:G06F18/23
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.09.22#实质审查的生效;2023.09.05#公开
摘要:复杂网络社团划分与向量数据聚类分析长期以来被认为是相似性的任务,两者的目标都是将相似的对象进行分组。但二者一直被分开研究,缺乏统一的分析框架,背后一个重要原因在于向量数据和拓扑数据之间的巨大差异以及过去难以有效在二者间进行互相映射。我们发现复杂网络渗透理论中的相变点能够有效确定较优的距离阈值,将阈值内的向量数据点进行连接转化为图结构。进一步基于快速局部搜索以及节点度值的比较,我们挖掘出了网络中节点隐含的方向性与社团中心,隐含方向性是指节点指向距其最近的度值更大的节点,二者属于同一社团。我们的方法在两个领域中的表现普遍优于目前最先进的方法,并可以为模式识别、自动知识发现、复杂网络等提供新的思路。
主权项:1.一种基于复杂网络中节点隐含方向性的聚类分析和社团划分统一方法,其特征在于,包括为向量数据构建网络确定合适的阈值,进行局部搜索标记隐含的方向性和根据度值和最短路径乘积对节点进行排序,其中,所述为向量数据构建网络确定合适的阈值,用于将向量数据转换为拓扑数据;所述进行局部搜索标记隐含的方向性,用于找到节点之间的跟随关系;所述根据度值和最短路径乘积对节点进行排序,用于确定社团个数和中心点。
全文数据:
权利要求:
百度查询: 北京化工大学 基于复杂网络中节点隐含方向性的聚类分析和社团划分统一方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。