《表5 社交网络数据集：密度聚类在社区发现中的应用研究》
提示：宽带有限、当前游客访问压缩模式
本实验选取了三个社交网络数据集，分别为著名的在线社交网络的数据集Facebook、Twitter以及作者合作关系网络数据集DBLP。各数据集信息见表5:
| 图表编号 | XD00203356800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.11.01 |
| 作者 | 蒲秋梅、王丽平、崔艺兰、王辉 |
| 绘制单位 | 中央民族大学信息工程学院、中央民族大学信息工程学院、中央民族大学新闻与传播学院、中央民族大学信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 真实网络数据集：密度聚类在社区发现中的应用研究》2020.11.01
- 《表1 聚类原理对比：密度聚类在社区发现中的应用研究》2020.11.01
- 《表3 数据集统计：大数据技术在网络安全分析中的应用研究》2021.01.25
- 《表2 数据集参数：基于卷积神经网络的多尺度融合特征图在人群密度估计中的应用》2021.02.01
- 《表3 数据集的统计信息：多层网络社区发现研究综述》2020.11.01
- 《表2 推特数据集：社交网络中的抑郁症用户语言和行为特征分析及检测》2020.06.01
- 《表3 转换得分系数矩阵：因子分析耦合可拓聚类在矿井通风可靠性评价中的应用》2020.04.20
- 《表4 公共因子矩阵：因子分析耦合可拓聚类在矿井通风可靠性评价中的应用》2020.04.20
- 《表4 真实网络数据集：结合改进差分进化和模块密度的社区发现算法》2020.06.01
- 《表1 测试结果：改进灰狼优化模糊核聚类在风电齿轮箱故障诊断中的应用》2020.06.15
- 《表1 数据集描述：改进模糊聚类在医疗卫生数据的Takagi-Sugeno模糊模型》2020.03.30
- 《表1 实验数据集信息：社交网络时空大数据聚类挖掘有效选择分析》2020.04.05
- 《表4 真实网络数据集：节点局部Fiedler向量中心性差值社区发现算法》2019.12.01
- 《表1 人工网络数据集：基于熵加权属性子空间的目标社区发现》2019.08.01
- 《表1 真实网络数据集：主动纠错式半监督聚类社区发现算法》2019.09.01
- 《表1 真实网络数据集：基于边权的稳定标签传播社区发现算法》2019.02.01
- 《表2 聚类分析模型：大数据分析在移动通信网络优化中的应用研究》2019.02.10
- 《表5 实验数据集：基于平均互信息的最优社区发现方法》2019.05.20
- 《表1 真实网络数据集：一种基于改进密度峰值聚类的社区发现算法》2019.04.01
- 《表1 真实网络数据：基于信息传递和峰值聚类的自适应社区发现算法》2018.11.01