Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜江南大学朱书伟获国家专利权

恭喜江南大学朱书伟获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜江南大学申请的专利基于代理模型自适应选择的多目标大规模社区检测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119151703B

龙图腾网通过国家知识产权局官网在2025-05-09发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411624897.5,技术领域涉及:G06Q50/00;该发明授权基于代理模型自适应选择的多目标大规模社区检测方法是由朱书伟;吕思颖;张以沫;陆恒杨;方伟;吴小俊设计研发完成,并于2024-11-14向国家知识产权局提交的专利申请。

基于代理模型自适应选择的多目标大规模社区检测方法在说明书摘要公布了:本发明涉及大规模社区检测技术领域,公开了一种基于代理模型自适应选择的多目标大规模社区检测方法,从待检测网络中选取核心节点来代表大规模社区网络,并初始化父代种群;利用多目标遗传算法对父代种群进行更新,并计算目标父代种群中每个个体对应的KKM与RC,构建KKM与RC样本空间,以便对候选代理模型池中的多种代理模型分别进行训练,基于代理模型的肯达尔系数Tau与斯皮尔曼系数Rho,选取目标代理模型,并对真实目标函数KKM和RC指导优化,获取最优目标代理模型对待检测网络数据进行社区检测,构建最优解集;基于最优解集中每个个体解的模块度评估指标选取最优解,并获取相应的划分方式对待检测网络进行社区划分。

本发明授权基于代理模型自适应选择的多目标大规模社区检测方法在权利要求书中公布了:1.一种基于代理模型自适应选择的多目标大规模社区检测方法,其特征在于,包括:获取待检测网络,构建待检测网络的邻接矩阵;基于待检测网络的邻接矩阵,获取待检测网络中每个节点的度与待检测网络的初始平均度,选取核心节点,构建核心节点集合;基于待检测网络的邻接矩阵,构建待检测网络中节点的相似度矩阵;基于核心节点集合与相似度矩阵初始化父代种群,构建包含多个个体的初始父代种群;每个个体均对应一个候选解,表示待检测网络的一种划分方式;利用多目标遗传算法NSGA-II,对初始父代种群进行选择、交叉与变异,获取更新后的父代种群,直至更新后的父代种群中个体的个数达到预设候选解集空间大小,得到目标父代种群,计算目标父代种群中每个个体所表示的划分方式的kernelk-means目标函数值KKM与相对变化目标函数值RC,构建KKM样本空间与RC样本空间,包括:对当前父代种群进行选择、交叉与变异,获取当前子代种群;将当前子代种群与当前父代种群合并,利用kernelk-means目标函数值KKM与相对变化目标函数值RC评估合并后的种群中每个候选解的质量,利用多目标遗传算法NSGA-II的非支配排序和拥挤度距离计算操作对合并后的种群进行生存选择,获取更新后的父代种群;对更新后的父代种群进行选择、交叉与变异,直至样本空间中个体的个数达到预设候选解集空间大小,获取目标父代种群;以目标父代种群中的每个个体为样本,以每个个体对应的kernelk-means目标函数值KKM为标签,构建为KKM样本空间;以目标父代种群中的每个个体为样本,以每个个体对应的相对变化目标函数值RC为标签,构建为RC样本空间;基于KKM样本空间与RC样本空间,对候选代理模型池中的多种代理模型分别进行训练,利用交叉验证,计算并基于每种代理模型的肯达尔系数与斯皮尔曼系数,获取评估每种代理模型预测准确度的性能评价指标值,选取性能评价指标值最大所对应的代理模型作为目标代理模型;其中,构建每种代理模型对应的肯达尔系数,表示为:;构建每种代理模型对应的斯皮尔曼系数,表示为:;基于每种代理模型的肯达尔系数与斯皮尔曼系数,计算每种代理模型对应的性能评价指标值,表示为:;为代理模型对于多个网络的模型预测值,为多个网络对应的真实标签值;为和排序后的一致对个数;为和和排序后的分歧对个数;分别表示数据和数据中的并列排位的个数;为和顺序的插值,为待检测网络中的节点总个数;表示权重系数,取值范围;利用目标代理模型,基于多目标遗传算法NSGA-II,以kernelk-means目标函数值KKM与相对变化目标函数值RC最小为优化目标,获取最优目标代理模型;利用最优目标代理模型对待检测网络进行社区检测,获取非支配解集;将非支配解集中序值最小的非支配最优层所包含的个体,组成最优解集输出;基于最优解集中每个个体所表示的划分方式中的社区个数、每个社区中的总边数,以及节点度之和,计算每个个体对应的模块度指标值,表示为:;其中,表示模块度指标值,表示连接第个社区中节点的边的总数,,表示个体所表示的划分方法中的社区总个数;表示第个社区中节点的度的总和;表示待检测网络中的边的总数;获取模块度指标值最大的个体所对应的划分方式,对待检测网络进行社区划分,完成多目标大规模社区检测。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人江南大学,其通讯地址为:214122 江苏省无锡市滨湖区蠡湖大道1800号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。