《表2 算法性能比较:一种面向复杂网络的快速模块结构识别算法》
表2展示了不同算法的模块结构识别精度。根据ARI值,人们可以看到在Grass-feeding web、Ter‐rorists cell和Word adjacencies数据集上,除了新算法以外,其他算法的精度都非常低,主要原因是其网络的模块分布不够清晰所致。相比其他算法,新算法能够通过扩展的密度峰值方法获得较为可靠的模块中心,从而提高了模块识别的精度。在Foot‐ball、Political books和Political blogs数据集上,比较的算法都能够较为精准地识别其中的模块。然而,相比其他算法,新算法的表现是更优的。这些实验结果表明:相比FMM、FUN、NSC和LPA算法,新算法能够更加精准地发现网络的模块结构。
图表编号 | XD00209857500 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.25 |
作者 | 隋超、李文刚、白亮 |
绘制单位 | 山西省农业科学院(山西农业大学)畜牧兽医研究所、山西省农业科学院(山西农业大学)畜牧兽医研究所、山西大学智能信息处理研究所 |
更多格式 | 高清、无水印(增值服务) |