-
题名基于图聚类与蚁群算法的社交网络聚类算法
被引量：9
- 1
-
-
作者
叶小莺
万梅
唐蓉
谢云
陈桂宏
李强
-
机构
广东东软学院计算机科学与技术系
广州工商学院计算机科学与工程系
重庆市九龙坡区精神卫生中心
中山大学电子与信息工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2020年第6期1670-1674,1687,共6页
-
基金
广东省科技计划协同创新与平台环境建设基金资助项目(2017A040406001)
广东省教育厅与思科(中国)创新科技有限公司产学合作协同育人项目(粤教高函[2017]153号)。
-
文摘
针对社交网络中社交关系的有向性与多样性,提出了一种基于图聚类与蚁群算法的社交网络聚类算法。首先,在网络覆盖率的约束下为社交网络建立有向、非全连接的二维图模型;然后,采用K-medoids算法搜索用户分组的中心用户,采用人工蚁群算法在2D图中搜索各个用户与中心用户的相似性,将满足相似性阈值的用户分为同一个用户组。设计了低活跃用户的预测机制解决网络的稀疏性问题与冷启动问题。此外,通过网络覆盖率的约束条件权衡聚类准确率与覆盖率两个指标。仿真实验结果表明,该算法实现了较好的社交网络聚类性能,并且有效地缓解了稀疏性问题与冷启动问题。
-
关键词
社交网络
数据挖掘
聚类处理
人工蚁群优化
图聚类
信任信息
-
Keywords
social network
data mining
clustering process
ant colony optimization
graph clustering
trust information
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于增强蚁群算法的传感网移动sink路径规划
被引量：7
- 2
-
-
作者
吉珊珊
-
机构
东莞职业技术学院
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2019年第11期2543-2552,共10页
-
基金
2018东莞职业技术学院政校行企合作项目(政2018019)
东莞职业技术学院技艺能手项目(Y17040321)
-
文摘
为同时降低移动sink无线传感器网络的能耗与sink移动距离,提出了一种基于增强蚁群算法的传感网络移动sink路径规划算法。为人工蚁群算法引入了遗传算子,避免人工蚁群算法早熟收敛。将数据量不均匀作为网络的约束条件,将网络生命期与sink的移动距离作为问题的2个优化目标,采用增强的人工蚁群算法选择汇集点的帕累托次优集。多组仿真实验的结果表明,该算法有效地降低了网络平均能耗,提高了网络能耗的均衡性。
-
关键词
无线传感器网络
路径规划
遗传算法
人工蚁群优化
有向图生成树
网络生命期
-
Keywords
wireless sensor network
path planning
genetic algorithm
artificial ant colony optimization
directed graph spanning tree
network lifetime
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于人工蜂群算法的双门限CRN网络攻击检测算法
被引量：4
- 3
-
-
作者
冯晓荣
-
机构
南通大学工程训练中心
-
出处
《计算机应用与软件》
北大核心
2019年第10期316-322,333,共8页
-
基金
江苏省第十四批“六大人才高峰”高层次人才培养资助项目(XYDXX-121)
-
文摘
为了提高认知无线电网络的攻击检测效果,提出一种基于人工蜂群算法的双门限认知无线电网络的攻击检测算法。收集网络中所有次级用户向融合中心发送的报告,对信号进行预处理并将信号传递至人工蜂群算法;蜂群的雇佣蜂阶段评估次级用户子集的适应度,观察蜂阶段根据解的相关信息开发可行解,选择最优的次级用户子集;观察蜂的结果传递回蚁群,并且更新蚁群的全局信息素值,蚁群对新解集进行开发操作。该算法结合人工蜂群算法与人工蚁群算法在全局搜索与局部开发之间达到平衡。仿真实验的结果显示,该算法实现了较高的检测率与较低的错误率,从而有效地优化了频谱利用率。
-
关键词
人工蚁群优化算法
人工蜂群算法
认知无线电网络
频谱资源优化
网络安全
攻击检测
-
Keywords
Ant colony optimization algorithm
Artificial bee colony algorithm
Cognitive radio network
Spectrum resource optimization
Network security
Attacks detection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于影响力社区检测与蚁群算法的特征选择
被引量：4
- 4
-
-
作者
叶小艳
叶小莺
周化
-
机构
广州大学华软软件学院网络技术系
广东东软学院计算机科学与技术系
-
出处
《计算机工程与设计》
北大核心
2019年第9期2684-2691,共8页
-
基金
2017年外经外贸发展专项基金项目(促进服务贸易创新发展项目)(2160699-87)
2017年广东省本科高校教学质量与教学改革工程建设基金项目(粤教高涵[2017]214号)
广州大学华软软件学院院级质量工程重点建设专业基金项目(ZDZY201701)
-
文摘
针对多变量特征选择算法计算效率低、冗余度高的问题,提出一种基于影响力社区检测与蚁群算法的特征选择算法。计算每对数据点之间的相似性,组成无向图,通过人工蚁群优化算法将网络划分为簇;使用社区检测算法对特征进行分类,选择冗余度最小的特征子集;蚁群初始化阶段通过度量特征与类的相关性,初始化信息素。基于人工合成数据集与标准的公开数据集进行实验,实验结果表明,该算法实现了较高的分类准确率、敏感性、特异性,其计算效率处于可接受范围内。
-
关键词
社区检测
特征选择
人工蚁群优化算法
多元判别分析
人工智能
数据分析
-
Keywords
community detection
feature selection
ant colony optimization algorithm
multiple discriminant analysis
artificial intelligence
data analysis
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
