×
尹，英；赵玉海；李，何；董向军

用于大规模动态社区检测的多目标进化聚类。 （英语） Zbl 1474.62257号

信息科学。 549, 269-287 (2021).
摘要：动态社区检测的研究越来越受欢迎，因为它可以揭示动态网络中社区结构如何随时间变化。进化聚类经常被用来实现这一目标，并取得了一些成功，但仍存在一些主要缺点：（1）缺乏纠错能力可能导致结果驱动问题和错误累积问题；（2） 基于模块化的社区检测的NP特性使得获得准确解决方案的效率很低。本文提出了一种高效有效的多目标方法，即DYN-MODPSO，并分别对传统的进化聚类框架和粒子群算法进行了修改和增强。主要贡献包括：（1）设计了一种新的策略，即最近未来参考，用于初始聚类结果校正，以使动态社区检测更加有效；（2） 对传统的粒子群算法进行了改进，并将其与进化聚类框架相结合，有效地利用了所提出的策略；（3） 提出了基于去冗余随机游走的种群初始化方法，以保证质量的方式使个体多样化。此外，精心设计了多个体交叉算子和改进的干扰算子，以避免解的局部最优。在真实和合成动态网络上进行的大量实验表明，所提出的DYN-MODPSO在有效性和效率方面都优于竞争对手。

引用于1文件

MSC公司：

62H30型 分类和区分；聚类分析（统计方面）
68瓦50 进化算法、遗传算法（计算方面）
90C29型 多目标规划
90 C59 数学规划中的近似方法和启发式

关键词：

动态网络社区；进化聚类；多目标优化；随机游走；粒子群算法
PDF格式BibTeX公司 XML格式引用
\textit{Y.Yin}等人，《信息科学》。549269-287（2021年；Zbl 1474.62257）
全文： 内政部

参考文献：

[1] 程晓庆，金晓乐，王勇忠，郭建峰，张天勇，李国杰，大数据系统与分析技术研究，阮建学宝/软件25（9）（2014）1240-1252。
[2] Fortunato，Santo，《图形中的社区检测》，Phys。众议员，486，3C5，75-174（2010）
[3] 萨卡，普纳姆里塔；安德鲁·摩尔（Andrew W.Moore），使用潜在空间模型进行动态社会网络分析，SIGKDD Explorations，7，2，31-40（2005）
[4] Cordeiro，M。；Sarmento，R。；Gama，J.，《使用局部模块优化在进化网络中进行动态社区检测》，Social Netw。分析员。采矿，6，1（2016），15:1-15:20
[5] 李晓明；吴斌；郭倩；曾雪林；Shi，Chuan，基于增量识别的动态社区检测算法，ICDM Workshops，900-907（2015）
[6] Bello Lander、Gonzalo Alejandro，《用于检测和预测复杂动态网络中社区的多目标图挖掘算法》，哲学博士，2017年。
[7] 马晓科；Dong，Di，动态网络中社区检测的进化非负矩阵分解算法，IEEE Trans。知识。数据工程，29，5，1045-1058（2017）
[8] 朱利奥·罗塞蒂；Cazabet，Rmy，《动态网络中的社区发现：一项调查》，CoRR（2017），abs/1707.03186
[9] Stanovov，V。；布雷斯特，C。；科莱赫梅宁，M。；Semenkina，O.，你为什么不在大数据中使用进化算法？，马特。科学。工程师，173,1012-020（2017）
[10] Deepayan Chakrabarti、Ravi Kumar、Andrew Tomkins，《进化聚类》，KDD 2006，554-560。
[11] Kim，Min-Soo；Han，Jiawei，基于粒子和密度的动态网络进化聚类方法，PVLDB，2，1，622-633（2009）
[12] 弗朗西斯科·福利诺；Pizzuti，Clara，动态网络中社区发现的进化多目标方法，IEEE Trans。知识。数据工程，26，8，1838-1852（2014）
[13] 龚茂国；蔡青；陈晓伟；Ma，Lijia，基于分解的多目标离散粒子群优化的复杂网络聚类，IEEE Trans。进化。计算。，18, 1, 82-97 (2014)
[14] Ahmed Ibrahem Hafez、Eiman Tamah Al-Shammari等人，复杂网络中多目标社区检测的遗传算法。《社交网络：计算智能框架》（2014）145-171。
[15] 卡里米·马杰德（Karimi-Majd）、阿米尔·莫森（Amir-Mohsen）；穆罕默德·法提安；Amiri，Babak，《用于检测复杂网络中社区的混合人工免疫网络》，《计算》，97，5，483-507（2015）·Zbl 1358.91085号
[16] Krista Rizman Zalik；Zalik，Borut，使用节点熵和划分熵进行网络社区检测的Memetic算法，Inf.Sci。，445-446, 38-49 (2018) ·Zbl 1161.65311号
[17] 约书亚·D·诺尔斯。；科恩，大卫，使用帕累托存档进化策略逼近非支配前沿，进化。计算。，8, 2, 149-172 (2000)
[18] 何冬晓；徐，周；左，王；周春光；哲、王；Di，Jin，复杂网络中的社区挖掘——基于聚类组合的遗传算法，自动化学报，36，8，1160-1170（2010）
[19] 查克拉巴蒂，迪帕扬；拉维·库马尔；Andrew Tomkins，《进化聚类》，KDD，554-560（2006）
[20] 刘晨龙；刘静；江忠洲，一种同时检测分离和重叠社区的改进多目标进化算法，自然计算。，15, 4, 635-651 (2016) ·Zbl 1415.68195号
[21] Newman，M.E.J.，《网络中的模块化和社区结构》，Proc。国家。阿卡德。科学。，103, 23, 8577-8582 (2006)
[22] 曼努埃尔·格雷罗；弗朗西斯科·蒙托亚。；劳尔·巴诺斯；阿尔卡伊德，阿尔弗雷多；Gil，Consolacin，《使用遗传算法在复杂网络中进行自适应社区检测》，神经计算，266101-113（2017）
[23] Hamidreza Alvari、Alireza Hajibagheri、Gita Sukthankar、Kiran Lakkaraju，《识别动态网络中的社区结构》，Soc.Netw。分析员。采矿6（1）（2016）77:1-77:13。
[24] Pizzuti，Clara，网络中社区检测的进化计算：综述，IEEE Trans。进化。计算。，464-483年3月22日（2018年）
[25] 李晓明，吴斌，郭倩，曾学林，石川，基于增量识别的动态社区检测算法，收录于：IEEE国际数据挖掘研讨会，ICDMW 2015，2015，第900-907页。
[26] T.H.Cormen、C.E.Leiserson、R.L.Rivest、C.Stein，《算法导论》，第三版，麻省理工出版社，2009年·Zbl 1187.68679号
[27] 刘灿涛，胡宝刚，基于Renyi熵特征选择的互信息，IEEE智能计算与智能系统国际会议，2009，816-820。
[28] 降低多目标eas的运行时复杂性：NSGA-II和其他算法，IEEE Trans。进化。计算。，7, 5, 503-515 (2003)
[29] http://konetc.uni-koblenz.de/networks。
[30] 林玉如，池云，朱生火，桑达拉姆，曾百丽，动态社会网络中社区及其演变分析，ACM Trans。知识。发现。数据3（2）（2009）8:1-8:31。
[31] 阿里，塔巴尔扎德；Ali Hamzeh，Incremental community miner for dynamic networks，应用程序。智力。，48, 10, 3372-3393 (2018)
[32] 查鲁·C·阿加瓦尔。；Subbian，Karthik，《进化网络分析：调查》，ACM Compute。调查。，47, 1 (2014), 10:1-10:36 ·Zbl 1322.68138号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。