《表1 用户社团识别概览：基于证据理论的网络数据不确定推荐方法》
提示：宽带有限、当前游客访问压缩模式
利用标签传播算法（LPA）将40163名用户划分为4个社团。不同社团的部分用户展示在表1中。
| 图表编号 | XD00116299900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.01 |
| 作者 | 马丽娜 |
| 绘制单位 | 西安财经大学行知学院经济与统计分院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 算法统计结果：基于PRWDR算法的用户网络服务推荐方法及其实验结果分析》2020.09.25
- 《表1 传感器数据集描述：基于无标签、不均衡、初值不确定数据的设备健康评估方法》2020.11.01
- 《表1 数据集统计：基于多维社交关系嵌入的深层图神经网络推荐方法》2020.10.10
- 《表6 5种方法的复杂度：基于Ad hoc网络的联合有效用户识别与信道安全编译码方法》2021.02.01
- 《表5 仿真实验参数：基于Ad hoc网络的联合有效用户识别与信道安全编译码方法》2021.02.01
- 《表1 用户签到数据示例：基于联合特征和XGBoost的活动语义识别方法》2020.11.10
- 《表5 计算结果：基于不确定需求的公共交通网络鲁棒性优化方法》2020.07.05
- 《表3 无量纲权重值设置：基于不确定需求的公共交通网络鲁棒性优化方法》2020.07.05
- 《表4 算法参数取值：基于不确定需求的公共交通网络鲁棒性优化方法》2020.07.05
- 《表2 客运需求信息：基于不确定需求的公共交通网络鲁棒性优化方法》2020.07.05
- 《表5 轴振动2H特征值：基于BP神经网络和证据理论的离心压缩机喘振诊断方法》2020.01.08
- 《表4 轴振动1V特征值：基于BP神经网络和证据理论的离心压缩机喘振诊断方法》2020.01.08
- 《表6 轴振动2V特征值：基于BP神经网络和证据理论的离心压缩机喘振诊断方法》2020.01.08
- 《表7 流量、压力特征值：基于BP神经网络和证据理论的离心压缩机喘振诊断方法》2020.01.08
- 《表8 基本可信度分配：基于BP神经网络和证据理论的离心压缩机喘振诊断方法》2020.01.08
- 《表6 测试数据：一种基于粗糙集证据理论深度融合的局部冲突快速合成方法》2019.12.01
- 《表1 方差贡献分析：基于改进网络志方法的开放式创新社区中领先用户识别研究》2019.10.20
- 《表4 基于D-S证据理论的故障融合识别数据 (EEMD分解）》2019.08.18
- 《表1 实验数据统计情况：基于利用可靠用户网络补充标签的服务推荐》2019.02.20
- 《表1 证据理论融合过程：基于证据理论的遥测数据一致性融合判决方法》2019.05.06