...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of computational science >A fast heuristic detection algorithm for visualizing structure of large community
【24h】

A fast heuristic detection algorithm for visualizing structure of large community

机译：用于可视化大型社区结构的快速启发式检测算法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

With the increase In number of users, social networks data is growing more big and complex to examine mutual information between different objects. Different graph visualization algorithms are used to explore such a big and complex network data. Network graphs are naturally complex and can have overlapping contents. In this paper, a novel clustering based visualization algorithm is proposed to draw network graph with reduced visual complexity. The proposed algorithm neither comprises of any random element nor it requires any pre-determined number of communities. Because of its less computational time i.e. O(nlogn), it can be applied effectively on large scale networks. We tested our algorithm on thirteen different types and scales of real-world complex networks ranging from N = 10(1) to N = 10(6) vertices. The performance of the proposed algorithms is compared with six existing widely used graph clustering algorithms. The experimental results show superiority of our algorithm over existing algorithms in terms of execution speed, accuracy, and visualization. (C) 2017 Elsevier B.V. All rights reserved.
机译：随着用户数量的增加，社交网络数据越来越大，越来越复杂，以检查不同对象之间的相互信息。使用不同的图形可视化算法来探索如此庞大而复杂的网络数据。网络图自然是复杂的，并且可以具有重叠的内容。本文提出了一种新颖的基于聚类的可视化算法，以降低视觉复杂度绘制网络图。所提出的算法既不包含任何随机元素，也不需要任何预定数量的社区。由于其较少的计算时间，即O（nlogn），因此可以有效地应用于大规模网络。我们在13种不同类型和规模的实际复杂网络中测试了我们的算法，这些复杂网络的范围从N = 10（1）到N = 10（6）顶点。将所提出算法的性能与现有的六种广泛使用的图聚类算法进行了比较。实验结果表明，在执行速度，准确性和可视化方面，我们的算法优于现有算法。 （C）2017 Elsevier B.V.保留所有权利。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号