《表4 各方法在数据集上的多层模块度比较》
随后,本文在真实的数据集上对各方法在多层模块度Qmultislice指标上的表现进行了比较(见表4)。表中的加粗数字表示性能最优,下划线数字表示性能次优。结果表明,Q-MS和M-Infomap在不同规模的数据集上的总体表现依然最优;PMM在小规模稠密网络中的划分效果更好,但在大规模稀疏网络中的效果较差;CLECC的表现最不稳定,说明该方法对于网络类型的依赖程度较高。
图表编号 | XD00190591800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.01 |
作者 | 陈可佳、陈利明、吴桐 |
绘制单位 | 南京邮电大学计算机学院、江苏省大数据安全与智能处理重点实验室、南京邮电大学计算机学院、南京邮电大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |