位置：成果数据库 > 期刊 > 期刊详情页
基于非线性维数缩减的复杂网络聚类可视化
  • ISSN号：1000-1239
  • 期刊名称：《计算机研究与发展》
  • 时间：0
  • 分类：TP391[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构：[1]北京交通大学计算机与信息技术学院,北京,100044 北京交通大学计算机与信息技术学院,北京,100044
  • 相关基金：国家自然科学基金项目(60373029);教育部高等学校博士学科点专项科研基金项目(20050004001)
作者： 杨树忠[1], 罗四维[1]
关键词： 复杂网络, 非线性维数缩减, 聚类可视化
中文摘要：

提出了一种新的复杂网络聚类可视化方法,该方法基于非线性维数缩减技术:Isomap.在算法中首先根据网络的邻接矩阵定义了一种新的成对节点间的图距离,然后把由该距离计算得出的节点间的距离矩阵作为Isomap的输入,将网络的节点投影到二维平面上.实验表明,投影后的点在二维平面上的分布能够保持原始网络中的局部和全局的几何结构,且具有更均匀的分布,这对于网络节点的聚类可视化大有裨益.

同期刊论文项目
基于人类视觉感知系统的有效编码模型
期刊论文 27 会议论文 43 著作 1
同项目期刊论文
基于模型的层次化强化学习算法
主曲线构建算法研究
修剪算法的信息几何分析
退火期望最大化算法A-EM
人工神经网络知识增殖性分析
基于最大判别熵的有监督独立分量
基于决策树的神经网络
实现人工神经网络知识增殖能力的
A Visual Perceptual Grouping A
基于谱图理论的流形学习算法
Samples Selection in Semi-Supe
基于注意机制的稀疏编码模型
高维数据流形的低维嵌入及嵌入维
基于图像统计特性的格式塔规则量
利用多尺度分析和编组的基于目标
信息理论框架下的神经网络构建
基于视觉系统“what”和“where
基于测地线距离的广义高斯型Laplacian特征映射
模型的固有复杂度和泛化能力与几何曲率的关系
基于视觉系统“What”和“Where”通路的图像显著区域检测
动态增殖流形学习算法
全局显著结构主导下的知觉编组算法
利用多尺度分析和编组的基于目标的注意计算模型
基于what和where信息的目标检测方法
期刊信息
  • 《计算机研究与发展》
  • 中国科技核心期刊
  • 主管单位:中国科学院
  • 主办单位:中国科学院计算技术研究所
  • 主编：徐志伟
  • 地址：北京市科学院南路6号中科院计算所
  • 邮编：100190
  • 邮箱：crad@ict.ac.cn
  • 电话：010-62620696 62600350
  • 国际标准刊号：ISSN：1000-1239
  • 国内统一刊号：ISSN：11-1777/TP
  • 邮发代号:2-654
  • 获奖情况:
  • 2001-2007百种中国杰出学术期刊，2008中国精品科...,中国期刊方阵“双效”期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,荷兰文摘与引文数据库,美国工程索引,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊（2004版）,中国北大核心期刊（2008版）,中国北大核心期刊（2011版）,中国北大核心期刊（2014版）,中国北大核心期刊（2000版）
  • 被引量:40349