基于MapReduce的并行圖序列社區(qū)挖掘算法研究.pdf_第1頁
已閱讀1頁,還剩76頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、作為數(shù)據(jù)挖掘的重要研究方向,圖序列社區(qū)挖掘在社交網(wǎng)絡(luò)等實際問題中有著廣泛應(yīng)用。如何精確地獲得圖序列中有價值的信息,以及如何加快算法在大規(guī)模數(shù)據(jù)集上的速度尤為關(guān)鍵?,F(xiàn)有社區(qū)挖掘方法大多基于樹狀圖記錄的分裂算法或自底向上的凝聚算法,且多為靜態(tài)挖掘而無時間方面的考慮。針對上述問題,本文提出基于編碼代價的圖序列社區(qū)挖掘算法GSCM,并設(shè)計出基于譜聚類的GSCM-SC算法,在Hadoop MapReduce并行計算框架下對后者進行并行化研究提出了

2、PGSCM算法。
  本文研究二值圖序列,首先提出了編碼代價的概念,通過優(yōu)化此代價函數(shù)提出GSCM算法。算法不需任何參數(shù),并借鑒最小描述長度原理使社區(qū)劃分的復(fù)雜性與社區(qū)結(jié)構(gòu)的質(zhì)量達到平衡。將信息壓縮后再聚類以獲得較好的初始劃分,并利用遺傳算法的隨機演化和擇優(yōu)思想來避免被困于局部極小值。根據(jù)新圖對編碼代價的影響,及時判斷出社區(qū)結(jié)構(gòu)的變化。并在實際數(shù)據(jù)集上驗證了GSCM的有效性。
  而后基于譜聚類提出GSCM-SC算法,并對其

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論