徐娟
- 作品数:2 被引量:3H指数:1
- 供职机构:云南民族大学电气信息工程学院更多>>
- 发文基金:国家自然科学基金云南省应用基础研究基金云南省教育厅科学研究基金更多>>
- 相关领域:自动化与计算机技术理学更多>>
- 基于密度的全局K-means算法的改进被引量:2
- 2019年
- 针对全局K-means聚类算法和快速全局K-means聚类算法在选择下一簇的聚类中心点时,需要逐一计算数据集中每个点作为备选聚类中心点时的簇内平方误差函数,而数据集中存在很多不可能作为备选点的噪声点.为剔除噪声点,提出了一种基于高密度数的DGK-means算法,并通过UCI数据库中的4组数据集进行实验测试.验证了在聚类效果稳定的前提下,改进的DGK-means算法比全局K-means算法和快速全局K-means算法,聚类用时更短,聚类效率更高.
- 徐娟徐娟范菁曲金帅
- 基于H指数的改进标签传播算法研究被引量:1
- 2017年
- 发现复杂网络中的结构和特征是社区发现的一个重要任务.标签传播算法(LPA)因具有接近线性的时间复杂度,常用于快速处理大规模的社区网络.针对该算法在节点的更新顺序和标签选择策略上存在很大的随机性,严重破坏了算法的稳定性和社区划分结果的准确性.提出了一种基于节点H指数的标签传播算法,即利用节点的综合影响力改进标签传播算法的节点更新顺序和标签选择策略.实验研究表明,改进算法有效地降低了算法的随机性,提高了社区划分的稳定性和准确性.
- 孙生才范菁陈明木徐娟
- 关键词:随机性H指数