22、自适应集成的自动编码器社区检测与肺部结节检测分类技术

自适应集成的自动编码器社区检测与肺部结节检测分类技术

1. AAGR算法介绍

AAGR算法的流程如下：
1. 初始化 ：首先使用旧的 $H$ 和 $P$ 初始化 $\alpha$。
2. 迭代更新 ：固定 $\alpha$，通过最小化函数 (11) 更新 $H$ 和 $P$；固定 $H$ 和 $P$，通过公式 (12) 更新自适应参数 $\alpha$，直到收敛。

其伪代码如下：
|算法|描述|
| ---- | ---- |
|Algorithm I - AAGR算法|
|输入：
- $B$ 是模块度矩阵
- $L$ 是相似度矩阵 $S$ 的图拉普拉斯矩阵|
|输出：
- $H$ 是社区成员矩阵|
|步骤：
1. 通过最小化函数 (6) 获得编码 $H_l$；
通过最小化函数 (7) 获得编码 $H_c$；
通过公式 (8) 获得不匹配程度矩阵 $P_1$；
通过公式 (10) 初始化 $\alpha(H_l, H_c)$；
2. 当未收敛时：
- 通过最小化函数 (11) 获得 $H_2$ 和 $P_2$；
- 通过公式 (12) 计算自适应参数 $\alpha(H_l, H_c)$；
结束|

2. 实验分析 - 合成网络结果

为了测试AAGR方法的性能，在合成网络和真实网络上与基线方法进行了比较。采用归一化互信息 (NMI) 作为评估指标。
在合成网络实验中：
-