-
公开(公告)号：CN111382316A
公开(公告)日：2020-07-07
申请号：CN202010151472.2
申请日：2020-03-06
Applicant: 北京理工大学
IPC: G06F16/901 , G06F16/90
Abstract: 本发明公开了一种基于位图近似的h-跳距离核分解方法，可用于许多大数据处理相关的应用，例如社交网络分析，合作网络分析及web网络分析等。本发明提出了基于位图近似的h-跳距离核分解方法，来提高大图处理的效率，该方法不仅使内存消耗还是时间消耗均得到了极大的改善，尤其是在时间效率上能够提升一到两个数量至多。该方法基于位图的存储技术来提高算法的时间和空间效率，而且精确算法在处理大图数据也相当困难的同时，本发明实施例在保证一定准确度的同时，大幅度提升算法的计算效率，以更高效率处理大数据。
-
公开(公告)号：CN111382316B
公开(公告)日：2023-09-26
申请号：CN202010151472.2
申请日：2020-03-06
Applicant: 北京理工大学
IPC: G06F16/901 , G06F16/90
Abstract: 本发明公开了一种基于位图近似的h‑跳距离核分解方法，可用于许多大数据处理相关的应用，例如社交网络分析，合作网络分析及web网络分析等。本发明提出了基于位图近似的h‑跳距离核分解方法，来提高大图处理的效率，该方法不仅使内存消耗还是时间消耗均得到了极大的改善，尤其是在时间效率上能够提升一到两个数量至多。该方法基于位图的存储技术来提高算法的时间和空间效率，而且精确算法在处理大图数据也相当困难的同时，本发明实施例在保证一定准确度的同时，大幅度提升算法的计算效率，以更高效率处理大数据。
-
公开(公告)号：CN111291232A
公开(公告)日：2020-06-16
申请号：CN202010152887.1
申请日：2020-03-06
Applicant: 北京理工大学
IPC: G06F16/901 , G06Q50/00
Abstract: 本发明公开了一种基于h-跳距离的图核分解方法，包括获取待分解的大数据原图G，计算原图G中每个节点的h-跳邻居数据；遍历整个原图G中找到h-跳邻居最小的值并将此值赋值为k，将所有h-跳邻居数为k的节点放入一个队列中Q中；依次从Q中选择节点v，并将其从G中和Q中删除；当删除一个节点v后，更新在节点v的h-跳邻居 中所有节点的h-跳邻居数；迭代删除h-跳邻居最少的节点，直到所有节点删除完。与现有技术相比，该方法不需要重复计算节点的h-跳邻居，计算效率更高，而且算法设计简单容易实现。
-
公开(公告)号：CN111291232B
公开(公告)日：2023-09-26
申请号：CN202010152887.1
申请日：2020-03-06
Applicant: 北京理工大学
IPC: G06F16/901 , G06Q50/00
Abstract: 本发明公开了一种基于h‑跳距离的图核分解方法，包括获取待分解的大数据原图G，计算原图G中每个节点的h‑跳邻居数据；遍历整个原图G中找到h‑跳邻居最小的值并将此值赋值为k，将所有h‑跳邻居数为k的节点放入一个队列中Q中；依次从Q中选择节点v，并将其从G中和Q中删除；当删除一个节点v后，更新在节点v的h‑跳邻居#imgabs0#中所有节点的h‑跳邻居数；迭代删除h‑跳邻居最少的节点，直到所有节点删除完。与现有技术相比，该方法不需要重复计算节点的h‑跳邻居，计算效率更高，而且算法设计简单容易实现。
-
-
-
Search Results
4
records
(took 0.015 seconds)
