針對(duì)現(xiàn)有的圖分類算法往往從網(wǎng)絡(luò)全局出發(fā)、存在對(duì)大規(guī)模網(wǎng)絡(luò)分類效果不好或計(jì)算開銷過高等問題,提出了基于局部特征的復(fù)雜網(wǎng)絡(luò)支持向量機(jī)分類(LF-SVM)算法.從網(wǎng)絡(luò)局部拓?fù)浣Y(jié)構(gòu)出發(fā),利用局部Ego-Net的特征對(duì)不同的復(fù)雜網(wǎng)絡(luò)進(jìn)行分類,使得對(duì)不同規(guī)模的網(wǎng)絡(luò)都能較好地完成分類工作.實(shí)驗(yàn)結(jié)果表明:LF-SVM算法對(duì)于不同大類的網(wǎng)絡(luò)及大類內(nèi)部的不同子類網(wǎng)絡(luò),均能實(shí)現(xiàn)有效分類,分類速度明顯快于現(xiàn)有的全局分類算法,且在部分指標(biāo)上優(yōu)于全局分類算法.

【文章頁(yè)數(shù)】：6 頁(yè)


本文編號(hào)：4005228