导读:本文包含了标签传播算法论文开题报告文献综述及选题提纲参考文献，主要关键词:社区发现,蚁群算法,节点凝聚性度量,蚂蚁定标策略
标签传播算法论文文献综述
顾军华,江帆,武君艳,许馨匀,张素琪[1]（2019）在《基于标签传播的蚁群优化算法求解社区发现问题》一文中研究指出社区发现问题对于研究复杂网络的特性具有重要作用。蚁群算法由于其采用分布式正反馈并行机制,具有较强的鲁棒性和稳定性,被越来越频繁地应用于社区发现领域。针对蚁群算法求解社区发现存在求解精度低、收敛速度慢的问题,提出一种基于标签传播的蚁群优化算法(BLP_ACO)。采用一种新的解向量表达方式,其中每个节点位置存放该节点所属社区的标签。在解的构造阶段提出基于节点凝聚性的蚂蚁转移策略,降低蚂蚁转移过程中的随机性,从而提高算法的精确度;将标签传播思想引入到蚁群搜索过程,使算法快速收敛。在解的优化阶段采用基于模块度优化的合并策略,进一步提高算法的求解精度;更新信息素时对所有处于社区内部的边滞留信息素。在真实网络和LFR基准网络上验证,结果表明该算法能够准确高效地挖掘出社区结构。(本文来源于《计算机应用与软件》期刊2019年06期）
杨俊川,蒋同,张国庆[2]（2019）在《基于协同表示标签传播的半监督正交鉴别分析算法》一文中研究指出近年来由于其表示的有效性,基于表示的分类方法,例如稀疏表示分类器(SRC)或者协同表示分类器(CRC)被广泛的应用于各种各样的识别任务.但是,SRC或者CRC的性能严重依赖于每类带标签训练样本的个数,当每类带标签的训练样本不够充分,SRC或者CRC的识别性能将会显着地下降.为了解决这个问题,文章[34]把协同表示技术引入到半监督学习方法中,提出了一种基于协同表示的标签传播算法,有效的利用了大量未标记样本的信息来进行标签传播.受此启发,把这种标签传播算法与正交鉴别分析算法相结合,提出了一种基于协同表示标签传播的半监督正交鉴别分析算法,目的是为了学习一个更好的鉴别子空间.不同于传统的半监督降维方法,所提算法首先利用这种标签传播算法将部分有标签数据的标签信息传递给不带标签的数据,之后利用传播后获得的全体软标签信息构造离散度矩阵实现鉴别分析,其次对鉴别投影施加正交约束,采用一种更加有效快速的迹比优化算法进行鉴别分析.大量的实验结果验证了所提算法的有效性.尤其在只存有少量标签样本的情况下,算法仍能保持良好的分类性能.(本文来源于《聊城大学学报(自然科学版)》期刊2019年03期）
魏芳芳,睢世杰,睢世凯[3]（2019）在《基于标签传播的半监督社区发现算法研究》一文中研究指出近年来,许多关于社区发现的优秀算法被提出并取得了较好的社区划分效果。但是到目前为止,没有任何一种算法能够同时在时间复杂度和准确度方面取得较好的表现。现实网络中往往存在一些有利于指导社区发现的标签信息,如must-link信息、cannot-link信息等。因此提出基于少量标签信息传播、拓扑结构的半监督社区发现算法S_LPA,分别在karate网络、dolphins网络、LFR基准网络上进行测试。实验结果表明,该算法S_LPA时间复杂度为O(m),相对其它算法,S_LPA在karate网络和dolphins网络的NMI值高于CNM、InfoMap、LPA算法,在LRF网络上准确度高出约20%;提高参数u后,S_LPA算法可识别其它算法不能识别的社区结构。(本文来源于《软件导刊》期刊2019年07期）
闫君[4]（2019）在《基于标签传播方法的重迭社区检测算法研究》一文中研究指出信息化的、智能化的时代悄然而至,复杂网络无疑是研究信息流动的重要途径。社区检测是网络科学研究中的一个重要分支,能够刻画网络的特征,分析网络的结构,对于认识网络的特质、预测网络更替规律、控制网络的发展趋势、指导网络中节点的决策等等。现存的文献以找到网络中的非重迭社区者居多,随着研究发现节点并非只属于唯一社区,使得重迭社区检测算法的研究逐步兴起。本文主要以标签传播思想为指导,通过完善标签传播算法来找到重迭社区。针对LPAs、SLPA算法的缺陷进行相应的改进。由于原网络一般结构不甚清晰,网络内部混沌复杂,寻找网络社区存在困难,所以本文提出一种基于LPA的线图转换算法E-LPA,通过提出的线图可以使原本具有社区结构的网络社区结构更为明显,创新地以标签传播的方式传播边的标签,完成边的社区划分,然后通过目标函数优化对标签传播后的粗糙社区进行修正,将误分社区合并,从而得到社区结构,而且该算法是可以检测重迭节点,使得LPA算法从检测非重迭社区向检测重迭社区过渡。针对SLPA算法的抖动性以及算法划分质量问题提出CSLPA算法,该算法通过寻找核心节点构造核心社区,以提出的贡献值指标对于未处理的节点进行归属处理形成初始社区,然后以SLPA算法对初始社区内节点的修正,得到划分后的社区结果。在人工数据集和真实数据集下进行实验,以扩展模块度和划分密度为评价指标,证明在社区划分质量方面E-LPA及CSLPA算法比八个经典对比算法在EQ指标下可提高10%-60%,而在PD指标下可提高20%-70%,且结果稳定,算法健壮性较好。(本文来源于《兰州大学》期刊2019-05-01）
刘文君[5]（2019）在《基于标签传播和遗传算法的复杂网络社区发现算法研究》一文中研究指出随着网络技术和社会需求的快速发展,各行各业与互联网的结合产生了大量的复杂系统。研究者们将这些复杂系统抽象为复杂网络进行研究,以此来揭示其蕴含的规律和行为特征,挖掘深层次的价值和意义。复杂网络的一个共同特性就是社区结构,即将网络划分成各个分区内部联系紧密,外部联系稀松的集群。社区发现是近年来研究的热点问题,研究复杂网络的社区结构有助于我们分析网络中个体之间的共同特性以及整体与部分之间的关系。本文从单目标优化和多目标优化两个方面对社区发现进行研究,主要工作如下:(1)系统地介绍了复杂网络社区发现的研究基础和进展,分类列举目前常用的复杂网络社区发现算法,并分析了不同社区发现算法的优缺点,发现这些算法大多在大型网络上应用效果不好,并且部分算法必须设置先验知识,这使得算法的可用性降低。本文对遗传算法进行了详细的说明,分析了遗传算法在社区发现问题上的可行性和适用性。(2)提出了一种基于模块度优化的社区发现算法,改进了传统的交叉算子和变异算子,将标签传播的思想引入到交叉算子中,使用已产生的社区结构进行交叉,加强了算法的局部搜索能力。将变异控制在已产生的社区结构之间,避免了无效的变异操作。(3)在标准NSGA2算法框架下,使用标签传播的思想来改进传统的交叉算子,提出一种基于多目标优化的社区发现算法。该算法以KKM和RC作为目标函数,采用基于数字字符的编码方式,将种群进行随机初始化,并使用本文中提出的改进交叉算子和变异算子进行操作,从而实现种群的进化。本文提出的两个算法均在人工网络和真实网络数据集上进行了实验,并与其它经典社区发现算法进行比较。实验结果表明本文提出的算法在求解精度上有一定的提高,能够有效检测出复杂网络中存在的社区结构。(本文来源于《武汉科技大学》期刊2019-05-01）
张霄[6]（2019）在《基于数据特征的标签传播聚类算法研究》一文中研究指出全球信息化浪潮的推动使得各类结构化、半结构化的数据随着时间的推移逐渐堆积。数据挖掘是从这些体量庞大、结构复杂的数据中提取蕴含的有价值规律的工具。聚类分析以其无监督的特性成为数据挖掘领域的重要研究方向。本文以聚类定义、聚类流程以及聚类评价指标为出发点,阐述和分析不同类型经典算法的优缺点,并结合标签传播的思想提出了基于数据点密度的标签传播聚类算法和基于数据点重要性的标签传播聚类算法。标签传播算法是一种高效简便的基于图的半监督学习方法,该算法在执行时需要提供部分类别标签信息作为初始参数,导致算法的适应性降低。因此,本文在标签传播算法思想的基础上进行改进,提出了基于数据点密度的标签传播算法(NDLP)和基于数据点重要性的标签传播算法(NILP)。NDLP算法通过度量数据点的密度来确定初始标签信息,后按照初始标签进行标签的传递和迭代更新,从而完成数据聚类。NILP算法首先按照数据点的密度确定初始标签点,然后根据数据点的重要性为其添加标签,在标签传递过程中根据数据点重要性的不同制定对应的标签更新规则,最终完成聚类任务。NDLP算法在四个人工合成数据集以及两个真实数据集上进行实验,采用标准化互信息和调整兰德指数作为聚类质量评价指标,与四个经典的聚类算法相比,本文算法聚类结果对应的评价指标具有明显优势。NILP算法首先选用与NDLP相同的实验数据集和对比算法进行有效性验证,然后在四个人工合成的含有环状簇的数据集上进行实验,并选取与原算法选取相同的聚类评价指标。结果表明,NILP算法在实验中的精度和效率优于原始算法。(本文来源于《兰州大学》期刊2019-05-01）
马秀[7]（2019）在《基于节点影响力的标签传播算法的稳定性研究》一文中研究指出网络中具有相似属性的节点可以构成社区,社区结构在复杂网络中普遍存在。面对如今超大规模的网络,快速检测网络中的社区结构有助于发现复杂网络内在的属性及规律。标签传播社区检测算法(LPA)具有思想简单、近线性时间复杂度等优点,但也存在随机性强、结果稳定性差的问题。本文主要针对LPA存在的问题,研究节点影响力对标签传播的影响,并改进了LPA检测结果的稳定性。本文的主要工作包括:(1)提出了基于节点影响力的标签传播社区检测算法:算法在标签初始化时只选择了部分影响力大的节点分配标签,减少了标签数量;在节点更新标签时如果出现多个待选标签,则以待选标签对应节点的影响力大小为依据进行选择,避免了经典LPA算法的随机性。使用真实网络数据集证明了所提算法复杂度近线性,算法的稳定性和社区检测的质量有所提高,并且减少了算法迭代次数。(2)提出了节点影响力在社区检测标签传播算法中的应用:在传播初始时,利用了节点影响力最大化算法选取网络中影响力大的节点作为传播源,提高了标签传播的效率;其次,在综合考虑节点影响力指标的基础上提出了新的衡量节点影响力指标,并指导标签更新顺序;最后,利用真实网络数据集验证了改进算法的随机性减少,稳定性提高。(本文来源于《中北大学》期刊2019-04-02）
马健,刘峰,李红辉,樊建平[8]（2019）在《采用PageRank和节点聚类系数的标签传播重迭社区发现算法》一文中研究指出基于标签传播的社区发现算法可以检测出复杂网络的重迭社区结构,因此提出了一种基于PageRank和节点聚类系数的重迭社区发现算法。该算法使用PageRank算法对节点的影响力进行排序,可以稳定社区发现结果,节点的聚类系数是一个与节点相关的值,使用节点聚类系数修改算法的参数并限制每个节点拥有最多标签的数量值,可以提高社区挖掘的质量。在人工网络和真实世界的网络上测试,实验验证了该算法能够有效地检测出重迭社区,并具有可接受的时间效率和算法复杂度。(本文来源于《国防科技大学学报》期刊2019年01期）
张蕾,钱峰,赵姝,陈洁,张燕平[9]（2019）在《基于边权的稳定标签传播社区发现算法》一文中研究指出针对传统标签传播算法(LPA)中存在的输出结果不稳定和易形成巨型社区的缺陷,提出一种基于边权的稳定标签传播算法(SLPA_EW)用于社区发现.算法首先基于叁角结构度量节点邻居的不同地位并将度量结果作为边权.接着,利用邻居中同一标签的边权累加值指导节点标签的更新过程,将随机的标签选择变为确定的选择,以保证算法输出结果的稳定性.标签初始化过程中,将边权互为最大值的相邻节点形成节点对并赋予相同标签,避免初始传播时出现标签振荡的问题.标签传播过程中,将标签权重加入到标签更新规则中以限制形成社区的规模,避免出现巨型社区的问题.真实网络数据集上的实验结果表明,所提算法能够保障输出的稳定性和质量,并且拥有较低的运行时间和迭代次数.(本文来源于《小型微型计算机系统》期刊2019年02期）
郑文萍,车晨浩,钱宇华,王杰[10]（2018）在《一种基于标签传播的两阶段社区发现算法》一文中研究指出针对标签传播社区发现算法在节点更新顺序及标签传播过程中存在较大随机性而导致划分结果稳定性差的问题,提出一种基于标签传播的两阶段社区发现算法(a two-stage community detectionalgorithm based on label propagation,LPA-TS),通过参与系数确定节点更新顺序,并在标签传播过程中依据节点间相似性更新节点标签,得到初始社区划分.将社区看作节点,社区间连边数作为边权重,得到社区关系网络.按照参与系数由低到高的顺序合并社区关系网络中的节点,得到最终社区划分结果.算法LPA-TS减少了传统LPA方法在节点更新和标签传播过程的随机性;在第2阶段,将不符合弱社区定义的初始社区与连边最多的相邻社区合并,再按照社区参与系数由低到高的顺序合并初始社区提升社区发现质量.通过与一些经典算法在8个真实网络及不同参数下LFR benchmark人工网络数据集上的实验比较表明LPA-TS算法表现了良好的稳定性,在NMI、ARI、模块性等方面表现良好.(本文来源于《计算机研究与发展》期刊2018年09期）
标签传播算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来由于其表示的有效性,基于表示的分类方法,例如稀疏表示分类器(SRC)或者协同表示分类器(CRC)被广泛的应用于各种各样的识别任务.但是,SRC或者CRC的性能严重依赖于每类带标签训练样本的个数,当每类带标签的训练样本不够充分,SRC或者CRC的识别性能将会显着地下降.为了解决这个问题,文章[34]把协同表示技术引入到半监督学习方法中,提出了一种基于协同表示的标签传播算法,有效的利用了大量未标记样本的信息来进行标签传播.受此启发,把这种标签传播算法与正交鉴别分析算法相结合,提出了一种基于协同表示标签传播的半监督正交鉴别分析算法,目的是为了学习一个更好的鉴别子空间.不同于传统的半监督降维方法,所提算法首先利用这种标签传播算法将部分有标签数据的标签信息传递给不带标签的数据,之后利用传播后获得的全体软标签信息构造离散度矩阵实现鉴别分析,其次对鉴别投影施加正交约束,采用一种更加有效快速的迹比优化算法进行鉴别分析.大量的实验结果验证了所提算法的有效性.尤其在只存有少量标签样本的情况下,算法仍能保持良好的分类性能.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
标签传播算法论文参考文献
[1].顾军华,江帆,武君艳,许馨匀,张素琪.基于标签传播的蚁群优化算法求解社区发现问题[J].计算机应用与软件.2019
[2].杨俊川,蒋同,张国庆.基于协同表示标签传播的半监督正交鉴别分析算法[J].聊城大学学报(自然科学版).2019
[3].魏芳芳,睢世杰,睢世凯.基于标签传播的半监督社区发现算法研究[J].软件导刊.2019
[4].闫君.基于标签传播方法的重迭社区检测算法研究[D].兰州大学.2019
[5].刘文君.基于标签传播和遗传算法的复杂网络社区发现算法研究[D].武汉科技大学.2019
[6].张霄.基于数据特征的标签传播聚类算法研究[D].兰州大学.2019
[7].马秀.基于节点影响力的标签传播算法的稳定性研究[D].中北大学.2019
[8].马健,刘峰,李红辉,樊建平.采用PageRank和节点聚类系数的标签传播重迭社区发现算法[J].国防科技大学学报.2019
[9].张蕾,钱峰,赵姝,陈洁,张燕平.基于边权的稳定标签传播社区发现算法[J].小型微型计算机系统.2019
[10].郑文萍,车晨浩,钱宇华,王杰.一种基于标签传播的两阶段社区发现算法[J].计算机研究与发展.2018