← 返回设计浏览

DESIGN PROJECT · 10 IMAGES

基于蚁群优化与多特征融合的高效社区发现算法设计

系统界面、功能流程与设计成果可视化记录

项目说明

项目在命令行中运行 run_experiments.py,输出标题为“ACO-MFCD 社区发现算法 - 完整实验”。界面先列出 Karate、dolphins、polbooks、football 四个数据集的节点、边与社区数,随后依次执行四个实验:实验1 各算法性能对比,实验2 收敛曲线(Polbooks),实验3 参数敏感性(蚂蚁数量 m),实验4 消融实验(Polbooks)。每个实验均打印结果并生成对应 CSV 文件。

PROJECT · VIDEO

项目演示视频

基于蚁群优化与多特征融合的高效社区发现算法设计
在 B站打开 ↗
视频来自码尔代夫的代码 B站账号1:04
基于蚁群优化与多特征融合的高效社区发现算法设计项目截图 1
基于蚁群优化与多特征融合的高效社区发现算法设计 · 01
基于蚁群优化与多特征融合的高效社区发现算法设计项目截图 2
基于蚁群优化与多特征融合的高效社区发现算法设计 · 02
基于蚁群优化与多特征融合的高效社区发现算法设计项目截图 3
基于蚁群优化与多特征融合的高效社区发现算法设计 · 03
基于蚁群优化与多特征融合的高效社区发现算法设计项目截图 4
基于蚁群优化与多特征融合的高效社区发现算法设计 · 04
基于蚁群优化与多特征融合的高效社区发现算法设计项目截图 5
基于蚁群优化与多特征融合的高效社区发现算法设计 · 05
基于蚁群优化与多特征融合的高效社区发现算法设计项目截图 6
基于蚁群优化与多特征融合的高效社区发现算法设计 · 06
基于蚁群优化与多特征融合的高效社区发现算法设计项目截图 7
基于蚁群优化与多特征融合的高效社区发现算法设计 · 07
基于蚁群优化与多特征融合的高效社区发现算法设计项目截图 8
基于蚁群优化与多特征融合的高效社区发现算法设计 · 08
基于蚁群优化与多特征融合的高效社区发现算法设计项目截图 9
基于蚁群优化与多特征融合的高效社区发现算法设计 · 09
基于蚁群优化与多特征融合的高效社区发现算法设计项目截图 10
基于蚁群优化与多特征融合的高效社区发现算法设计 · 10

END OF PROJECT

继续浏览其他设计 →