買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜江南大學申請的專利基于代理模型自適應選擇的多目標大規(guī)模社區(qū)檢測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119151703B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-09發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202411624897.5，技術(shù)領(lǐng)域涉及：G06Q50/00；該發(fā)明授權(quán)基于代理模型自適應選擇的多目標大規(guī)模社區(qū)檢測方法是由朱書偉;呂思穎;張以沫;陸恒楊;方偉;吳小俊設計研發(fā)完成，并于2024-11-14向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于代理模型自適應選擇的多目標大規(guī)模社區(qū)檢測方法在說明書摘要公布了：本發(fā)明涉及大規(guī)模社區(qū)檢測技術(shù)領(lǐng)域，公開了一種基于代理模型自適應選擇的多目標大規(guī)模社區(qū)檢測方法，從待檢測網(wǎng)絡中選取核心節(jié)點來代表大規(guī)模社區(qū)網(wǎng)絡，并初始化父代種群；利用多目標遺傳算法對父代種群進行更新，并計算目標父代種群中每個個體對應的KKM與RC，構(gòu)建KKM與RC樣本空間，以便對候選代理模型池中的多種代理模型分別進行訓練，基于代理模型的肯達爾系數(shù)Tau與斯皮爾曼系數(shù)Rho，選取目標代理模型，并對真實目標函數(shù)KKM和RC指導優(yōu)化，獲取最優(yōu)目標代理模型對待檢測網(wǎng)絡數(shù)據(jù)進行社區(qū)檢測，構(gòu)建最優(yōu)解集；基于最優(yōu)解集中每個個體解的模塊度評估指標選取最優(yōu)解，并獲取相應的劃分方式對待檢測網(wǎng)絡進行社區(qū)劃分。

本發(fā)明授權(quán)基于代理模型自適應選擇的多目標大規(guī)模社區(qū)檢測方法在權(quán)利要求書中公布了：1.一種基于代理模型自適應選擇的多目標大規(guī)模社區(qū)檢測方法，其特征在于，包括：獲取待檢測網(wǎng)絡，構(gòu)建待檢測網(wǎng)絡的鄰接矩陣；基于待檢測網(wǎng)絡的鄰接矩陣，獲取待檢測網(wǎng)絡中每個節(jié)點的度與待檢測網(wǎng)絡的初始平均度，選取核心節(jié)點，構(gòu)建核心節(jié)點集合；基于待檢測網(wǎng)絡的鄰接矩陣，構(gòu)建待檢測網(wǎng)絡中節(jié)點的相似度矩陣；基于核心節(jié)點集合與相似度矩陣初始化父代種群，構(gòu)建包含多個個體的初始父代種群；每個個體均對應一個候選解，表示待檢測網(wǎng)絡的一種劃分方式；利用多目標遺傳算法NSGA-II，對初始父代種群進行選擇、交叉與變異，獲取更新后的父代種群，直至更新后的父代種群中個體的個數(shù)達到預設候選解集空間大小，得到目標父代種群，計算目標父代種群中每個個體所表示的劃分方式的kernelk-means目標函數(shù)值KKM與相對變化目標函數(shù)值RC，構(gòu)建KKM樣本空間與RC樣本空間，包括：對當前父代種群進行選擇、交叉與變異，獲取當前子代種群；將當前子代種群與當前父代種群合并，利用kernelk-means目標函數(shù)值KKM與相對變化目標函數(shù)值RC評估合并后的種群中每個候選解的質(zhì)量，利用多目標遺傳算法NSGA-II的非支配排序和擁擠度距離計算操作對合并后的種群進行生存選擇，獲取更新后的父代種群；對更新后的父代種群進行選擇、交叉與變異，直至樣本空間中個體的個數(shù)達到預設候選解集空間大小，獲取目標父代種群；以目標父代種群中的每個個體為樣本，以每個個體對應的kernelk-means目標函數(shù)值KKM為標簽，構(gòu)建為KKM樣本空間；以目標父代種群中的每個個體為樣本，以每個個體對應的相對變化目標函數(shù)值RC為標簽，構(gòu)建為RC樣本空間；基于KKM樣本空間與RC樣本空間，對候選代理模型池中的多種代理模型分別進行訓練，利用交叉驗證，計算并基于每種代理模型的肯達爾系數(shù)與斯皮爾曼系數(shù)，獲取評估每種代理模型預測準確度的性能評價指標值，選取性能評價指標值最大所對應的代理模型作為目標代理模型；其中，構(gòu)建每種代理模型對應的肯達爾系數(shù)，表示為：；構(gòu)建每種代理模型對應的斯皮爾曼系數(shù)，表示為：；基于每種代理模型的肯達爾系數(shù)與斯皮爾曼系數(shù)，計算每種代理模型對應的性能評價指標值，表示為：；為代理模型對于多個網(wǎng)絡的模型預測值，為多個網(wǎng)絡對應的真實標簽值；為和排序后的一致對個數(shù)；為和和排序后的分歧對個數(shù)；分別表示數(shù)據(jù)和數(shù)據(jù)中的并列排位的個數(shù)；為和順序的插值，為待檢測網(wǎng)絡中的節(jié)點總個數(shù)；表示權(quán)重系數(shù)，取值范圍；利用目標代理模型，基于多目標遺傳算法NSGA-II，以kernelk-means目標函數(shù)值KKM與相對變化目標函數(shù)值RC最小為優(yōu)化目標，獲取最優(yōu)目標代理模型；利用最優(yōu)目標代理模型對待檢測網(wǎng)絡進行社區(qū)檢測，獲取非支配解集；將非支配解集中序值最小的非支配最優(yōu)層所包含的個體，組成最優(yōu)解集輸出；基于最優(yōu)解集中每個個體所表示的劃分方式中的社區(qū)個數(shù)、每個社區(qū)中的總邊數(shù)，以及節(jié)點度之和，計算每個個體對應的模塊度指標值，表示為：；其中，表示模塊度指標值，表示連接第個社區(qū)中節(jié)點的邊的總數(shù)，，表示個體所表示的劃分方法中的社區(qū)總個數(shù)；表示第個社區(qū)中節(jié)點的度的總和；表示待檢測網(wǎng)絡中的邊的總數(shù)；獲取模塊度指標值最大的個體所對應的劃分方式，對待檢測網(wǎng)絡進行社區(qū)劃分，完成多目標大規(guī)模社區(qū)檢測。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人江南大學，其通訊地址為：214122 江蘇省無錫市濱湖區(qū)蠡湖大道1800號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。