文献类型：期刊文章

作　　者：楚杨杰[1] 洪叶[1] 杨忠保[1,2] 江登英[1]

CHU Yang-jie;HONG Ye;YANG Zhong-bao;JIANG Deng-ying(College of Science,Wuhan University of Technology,Wuhan 430070,China;Cloud Data Development Center,21CN Corporation Limited,Guangzhou 510630,China)

机构地区：[1]武汉理工大学理学院,湖北武汉430070 [2]世纪龙信息网络有限责任公司云数据开发中心,广东广州510630

出　　处：《计算机工程与设计》

基　　金：中央高校基本科研业务费专项基金项目(2017IB014)

年　　份：2019

卷　　号：40

期　　号：4

起止页码：1022-1026

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为更好地挖掘社区结构,提出一种改进蚁群算法优化重叠社区发现算法(LEAC-OCD)。采用局部扩展的社区识别方法,将少数核心节点构成三角形模体,判断和量化社区结构的稳定性,实现粗糙划分社区结构;根据蚁群算法在转移机制的启发下自由移动,改变重叠节点的位置归属;通过社区量化稳定性的阈值,得到高质量的重叠社区结构。实验结果表明,LEAC-OCD算法在检测重叠社区结构方面优于其它经典算法。

关 键 词：局部扩展  蚁群算法 重叠社区发现  核心节点  优化  

分 类 号：TP18] O157.5]