-
题名基于权邻域的代表性用户抽样算法
被引量：1
- 1
-
-
作者
何水苗
班志杰
-
机构
内蒙古大学计算机学院内蒙古自治区社会计算与数据处理重点实验室
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第12期94-101,共8页
-
基金
国家自然科学基金(61662053)。
-
文摘
代表性用户抽样方法在社会网络分析领域中得到广泛的应用,如何使其抽取的子集代表网络中所有用户具有重要的研究意义。现有方法较少关注网络拓扑结构中用户潜在的大量有用信息,通过对统计分层抽样模型进行优化,提出了一种基于权邻域的代表性用户抽样算法。为了从网络拓扑结构中获得用户更多有价值的内容,该算法使用权邻域对用户代表度计算方法进行改进,同时与用户属性相结合。之后根据用户属性值将用户分成不同属性组,计算用户在每个属性组的代表度。接着通过质量函数来衡量代表性用户的代表程度。采用启发式贪心算法抽取代表性用户。在4个数据集上与6种传统抽样算法进行实验比较,结果表明基于权邻域的代表性用户抽样算法在精确率、召回率和F1-Measure评价指标上均有提升。
-
关键词
社交网络
代表性用户抽样
权邻域
拓扑结构
用户代表度
-
Keywords
social network
representative user sampling
weighted neighborhood
topological structure
user representation
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名自适应邻域值选取的LLE算法研究
被引量：3
- 2
-
-
作者
高洁
吴立锋
关永
王洪民
-
机构
首都师范大学信息工程学院
首都师范大学高可靠嵌入式系统技术北京市工程技术研究中心
首都师范大学电子系统可靠性技术北京市重点实验室
-
出处
《小型微型计算机系统》
CSCD
北大核心
2017年第2期393-397,共5页
-
基金
国家自然科学基金项目(61202027)资助
北京市属高等学校创新团队建设与教师职业发展计划项目(IDHT20150507)资助
北京市留学人员科技项目择优资助
-
文摘
局部线性嵌入(LLE)是一种重要的流形学习算法,已广泛应用于图像处理和多维数据的可视化等领域,但其算法性能一直受邻域选择盲目性的制约.传统的邻域选择算法没有同时考虑高低维数据的分布情况,且没有对无效邻域点做出相应的处理,使自适应结果受初始值影响较大.为此,提出新的自适应流形学习思想,用邻域点到切平面坐标映射函数的一阶泰勒逼近,初步确定出局部邻域值;然后利用关于高低维分布差异性函数的邻域调整策略和权值邻域思想,对初始邻域值进一步调整.该方法提高了LLE邻域选取算法的稳定性,同时减小无效邻域点被选中的可能.仿真表明,基于本文方法确定的自适应结果在不同的初始邻域值下基本一致,在人工数据集Swiss-roll上获得理想稳定的降维效果.
-
关键词
流形学习
权值邻域
降维
局部切平面
-
Keywords
manifold learning
weighted neighborhood
dimensionality reduction
partial tangent plane
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
