摘要
里卡多·JGB·坎佩罗。 2007年,Rand指数和其他相关指数的模糊扩展,用于聚类和分类评估。 《模式识别快报》28,7(2007),833--841。 谷歌学者 数字图书馆 陈宇忠和邱晓慧。 2013.使用粒子群优化检测社交网络中的社区结构。 互联网技术前沿。 柏林施普林格,海德堡,266-275。 谷歌学者 Pierluigi Contucci、Sander Dommers、Cristian Giardin和Shannon Starr。 2013.Erdos-Renyi随机图上的反铁磁Potts模型。 数学物理通信323,2(2013),517--554。 谷歌学者 交叉引用 Michele Coscia、Fosca Giannotti和Dino Pedreschi。 2011年,复杂网络中社区发现方法的分类。 统计分析和数据挖掘:美国统计局数据科学期刊4,5(2011),512-546。 谷歌学者 数字图书馆 Srayan Datta和Eytan Adar。 2018.CommunityDiff:可视化社区聚类算法。 ACM数据发现知识汇刊12,1,第11条(2018),34页。 谷歌学者 Jean-Jacques Daudin、Franck Picard和Stéphane Robin,2008年。 随机图的混合模型。 《统计与计算》18,2(2008),173-183。 谷歌学者 数字图书馆 谢尔盖·多罗戈夫采夫(Sergey N.Dorogovtsev)、亚历山大·沃尔采夫(Alexander V.Goltsev)和何塞·费雷拉·门德斯(Jose Ferreira F.Mendes)。 2006年——复杂网络的核心组织。 《物理评论快报》96,4(2006),040601。 谷歌学者 交叉引用 大卫·爱普斯坦(David Eppstein)、马尔滕·洛夫勒(Maarten Löffler)和达伦·斯特拉什(Darren Strash)。 2010.列出近最佳时间内稀疏图中的所有最大团。 在国际算法与计算研讨会上。 柏林施普林格,海德堡,403-414。 谷歌学者 交叉引用 马丁·埃斯特尔、汉斯·彼得·克里格尔和徐晓伟。 1996年,用于发现簇的基于密度的算法,用于发现带有噪声的大型空间数据库中的簇。 在知识发现和数据挖掘国际会议上。 AAAI出版社,226--231。 谷歌学者 Farzad Farahani、Waldemar Karwowski和Nichole Lighthall。 2019.图论在识别人脑网络连接模式中的应用:系统综述。 神经科学前沿13(2019),585。 谷歌学者 交叉引用 Alex Fornito、Andrew Zalesky和Edward Bullmore。 2016.脑网络分析基础。 学术出版社。 谷歌学者 路易斯·弗雷尔(Luis Freire)、亚历克西斯·罗氏(Alexis Roche)和珍妮·弗兰索伊斯·曼金(Jean-François Mangin)。 2002.功能磁共振成像时间序列中运动校正的最佳相似性度量是什么? IEEE医学成像学报21,5(2002),470--484。 谷歌学者 交叉引用 米歇尔·吉文和马克·E·J·纽曼。 2002.社会和生物网络中的社区结构。 《美国国家科学院院刊》99,12(2002),7821-7826。 谷歌学者 交叉引用 黛米斯·哈萨比斯(Demis Hassabis)、达珊·库马兰(Dharshan Kumaran)、克里斯托弗·萨默菲尔德(Christopher Summerfield)和马修·博特维尼克(Matthew Botvinick)。 2017.神经科学启发的人工智能。 《神经元》95,2(2017),245--258。 谷歌学者 交叉引用 莫妮卡·亨津格(Monika Henzinger)、亚历山大·诺伊(Alexander Noe)、克里斯蒂安·舒尔茨(Christian Schulz)和达伦·斯特拉什(Darren Strash)。 2018.实用最小割算法。 《实验算法杂志》23(2018),1-22。 谷歌学者 数字图书馆 Xin Huang、Laks V.S.Lakshmanan、Jeffrey Xu Yu和Hong Cheng。 2015年。网络中近似最近的社区搜索。 《超大数据库捐赠会议录》9,4(2015),276--287。 谷歌学者 数字图书馆 Anil K.Jain、M.Narasimha Murty和Patrick J.Flynn。 1999.数据聚类:综述。 计算机调查31,3(1999),264--323。 谷歌学者 数字图书馆 大孙·金、杨敏白和乌伊·尤尔·金。 2013年,通过基于聚类的硬示例修剪减少AdaBoost的过拟合。 在无处不在的信息管理与传播国际会议上。 计算机机械协会,纽约,NY,1-12。 谷歌学者 数字图书馆 金正恩(Jungeun Kim)、林成素(Sungsu Lim)、李在吉(Jae-Gil Lee)和李炳锡(Byung Suk Lee)。 2019.LinkBlackHole:使用链接嵌入进行稳健的重叠社区检测。 IEEE知识与数据工程汇刊31,11(2019),2138-2150。 谷歌学者 交叉引用 Hans-Peter Kriegel、Peer Kröger和Arthur Zimek。 2009年。高维数据聚类:关于子空间聚类、基于模式的聚类和相关聚类的调查。ACM《从数据中发现知识的汇刊》3,1,第1篇(2009年),58页。 谷歌学者 安德烈亚·兰西奇内蒂(Andrea Lancichinetti)、桑托·福图纳托(Santo Fortunato)和杰诺斯·科特斯(János Kertész)。 2009年,检测复杂网络中重叠和分层的社区结构。 《新物理学杂志》11,3(2009),033015。 谷歌学者 交叉引用 李培珍、黄凌、王长东、赖建煌和黄冬。 2020年,通过Motif-Aware标签传播进行社区检测。 ACM《从数据中发现知识的汇刊》14,2,第22条(2020年),19页。 谷歌学者 刘金、李敏、潘毅、魏兰、郑瑞庆、吴方祥和王建新。 2017年。复杂脑网络分析及其在脑疾病中的应用:一项调查。 复杂性2017(2017),1-27。 谷歌学者 数字图书馆 吕美莲、张振林、瞿志和、余康。 2019.LPANNI:在大规模复杂网络中使用标签传播进行重叠社区检测。 IEEE知识与数据工程汇刊31,9(2019),1736-1749。 谷歌学者 数字图书馆 陆晓燕、康斯坦丁·库兹敏、陈明明和波莱斯拉夫·斯兹曼斯基。 2018.通过边缘加权方案实现自适应模块化最大化。 信息科学424(2018),55-68。 谷歌学者 数字图书馆 帕特里克·杰克逊·麦克唐纳(Patrick Jackson Macdonald)、艾文德·阿尔马斯(Eivind Almaas)和阿尔伯特·拉斯洛·巴拉巴西(Albert-Laszlo Barabasi)。 2012.加权无标度网络上的最小生成树。 物理学15,2(2012),308--314。 谷歌学者 罗恩·米洛(Ron Milo)、谢申·奥尔(Shai Shen-Orr)、沙列夫·伊兹科维茨(Shalev Itzkovitz)、纳达夫·卡什坦(Nadav Kashtan)、德米特里·切洛夫斯基(Dmitri Chklovskii)和乌里·阿隆(Uri Alon)。 2002.网络主题:复杂网络的简单构建块。 《科学》2985594(2002),824--827。 谷歌学者 弗拉维亚诺·莫龙(Flaviano Morone)、基诺·德尔·费拉罗(Gino Del Ferraro)和埃尔南·马克斯(Hernán A.Makse)。 2019.作为互惠生态系统结构崩溃预测因子的核心。 《自然物理学》15,1(2019),95。 谷歌学者 交叉引用 马克·E·J·纽曼。 2004.检测网络中社区结构的快速算法。 《物理评论》E 69,6(2004),066133。 谷歌学者 交叉引用 马克·E·J·纽曼。 2016。社区检测模块化优化和最大似然方法之间的等效性。 《物理评论》E 94,5(2016),052315。 谷歌学者 交叉引用 李妮、罗文建、朱文杰和北华。 2019.局部重叠社区检测。 ACM《数据知识发现汇刊》第14卷第1页,第3条(2019年),共25页。 谷歌学者 格格利·帕拉(Gergely Palla)、伊姆雷·德雷尼(Imre Derényi)、伊利斯·法卡斯(Illés Farkas)和塔马斯·维克(Tamás Vicsek)。 2005.揭示自然界和社会中复杂网络的重叠社区结构。 《自然》杂志4357043(2005),814。 谷歌学者 交叉引用 Rafael Polania、Michael A.Nitsche和Walter Paulus。 2011.通过经颅直流电刺激调节人脑的功能连接模式和拓扑功能组织。 人脑映射32,8(2011),1236--1249。 谷歌学者 交叉引用 Saidur Rahman医生。 2017.基础图论。 瑞士查姆施普林格。 谷歌学者 尼尔·萨维奇。 2019.人工智能和神经科学如何相互推动。 《自然》5717766(2019),S15-17。 谷歌学者 埃里希·舒伯特(Erich Schubert)、亚历山大·库斯(Alexander Koos)、托比亚斯·埃里奇(Tobias Emrich)、安德烈亚斯·祖夫勒(Andreas Züfle)、克劳斯·亚瑟·施密德(Klaus Arthur Schmid)和亚瑟·齐。 2015年,不确定数据聚类框架。 《超大数据库捐赠会议录》8,12(2015),1976年至1979年。 谷歌学者 数字图书馆 斯蒂芬·塞德曼。 1983年。网络结构和最低程度。 社交网络5,3(1983),269--287。 谷歌学者 交叉引用 史磊(Lei Shi)、童航航(Hanghang Tong)、戴安奴(Madelaine Daianu)、田峰(Feng Tian)和汤普森(Paul M.Thompson)。 2018年。使用稀疏回归模型对大脑网络进行可视化分析。 ACM《从数据中发现知识的汇刊》12,1,第5条(2018年),30页。 谷歌学者 克里·史密斯。 2017年。如何绘制定义我们的电路图。《自然》5487666(2017),150-152。 谷歌学者 徐晓伟(Xiaowei Xu)、纽坎·尤鲁克(Nurcan Yuruk)、冯志丹(Zhidan Feng)和托马斯·施韦格(Thomas A.J.Schweiger)。 2007年。SCAN:一种网络结构聚类算法。 在ACM SIGKDD知识发现和数据挖掘国际会议上,第12卷。 计算机械协会,纽约州纽约市,824--833。 谷歌学者 杨波、刘大友和刘继明。 2010年,《从社交网络中发现社区:方法和应用》。 马萨诸塞州波士顿斯普林格,331-346。 谷歌学者 杨丽萍(Liping Yang)、杨瑜(Yu Yang),格瓦斯·姆加亚(Gervas Mgaya)、张波(Bo Zhang)、陈龙(Long Chen)和刘洪波(Hongbo Liu)。 2019.新型快速网络方法,从投资大数据中挖掘潜在结构。 IEEE系统、人与控制论汇刊:系统(2019),1-11。 谷歌学者 袁龙、秦璐、张文杰、常丽君和杨建业。 2017.基于索引的网络中最密集的集团渗透社区搜索。 IEEE知识与数据工程汇刊30,5(2017),922--935。 谷歌学者 交叉引用 周希仁,陈欢欢,李金龙,2019。 绘制地下管道的概率混合模型。 ACM《数据知识发现汇刊》第13、5卷,第47条(2019年),26页。 谷歌学者
建议
静息状态下动态脑功能网络的丰富俱乐部特征 摘要 传统的脑功能网络是通过从功能磁共振成像(fMRI)中提取整个时间序列来构建的。 然而,这种方法很容易忽略大脑区域的动态交互模式,这些区域基本上。。。