《表3 与现存方法对比：基于熵加权属性子空间的目标社区发现》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于熵加权属性子空间的目标社区发现》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

选取两个目标社区划分算法FocusCO、TSCM和一个经典的社区发现算法Girvan-Newman（G-N）[18]与本文方法分别从发现的目标社区质量和时间两方面进行比较。其中，FocusCO创新的提出了以用户为中心的属性图目标社区发现方法；TSCM基于目标子空间挖掘目标社区集合；G-N作为经典的社区发现算法不执行目标社区划分，则测量该方法返回的最佳社区与标准社区之间的相似度。因此，本文选取上述3种方法作为实验参照，各算法对比如表3所示。