• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Applied Intelligence: The International Journal of Artificial Intelligence, Neural Networks, and Complex Problem-Solving Technologies >A multiobjective discrete bat algorithm for community detection in dynamic networks
【24h】

A multiobjective discrete bat algorithm for community detection in dynamic networks

机译：动态网络社区检测的多目标离散BAT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

Some evolutionary based clustering approaches for community detection in dynamic networks need an input parameter to control the preference degree of snapshot and temporal cost. To break the limitation of parameter selection and improve the quality of detecting communities in dynamic network further, a multiobjective discrete bat algorithm (MDBA) is proposed to detect community structure in dynamic networks in this paper. In the proposed algorithm, the bat location updating strategy is designed in discrete form. In addition, turbulence operation and mutation strategy are presented to guarantee the diversity of the population. The non-dominated sorting and crowding distance mechanism are used to keep good solutions during the generation. The experimental results both on synthetic and real networks show that MDBA algorithm is competitive and will get higher accuracy and lower error rate than the compared algorithms.
机译：动态网络中的社区检测的一些基于进化的聚类方法需要输入参数来控制快照和时间成本的偏好程度。 为了破坏参数选择的限制，提高动态网络中的群体的质量进一步，提出了一种多目标离散BAT算法（MDBA）以检测本文动态网络中的社区结构。 在所提出的算法中，BAT位置更新策略以离散形式设计。 此外，提出了湍流操作和突变策略，以保证人口的多样性。 非统治排序和拥挤距离机制用于在生成期间保持良好的解决方案。 综合和实际网络上的实验结果表明，MDBA算法具有竞争力，并且将获得比较高的准确性和比比较算法更高的错误率。

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