發(fā)布時(shí)間：2022-10-19 14:28

　　高維數(shù)據(jù)的聚類(lèi)特性通常難以直接觀測(cè).將其構(gòu)建為復(fù)雜網(wǎng)絡(luò),節(jié)點(diǎn)間的拓?fù)浣Y(jié)構(gòu)可以反映樣本之間的關(guān)系.對(duì)網(wǎng)絡(luò)中的節(jié)點(diǎn)進(jìn)行社區(qū)發(fā)現(xiàn),可實(shí)現(xiàn)對(duì)數(shù)據(jù)更直觀的聚類(lèi).提出一種基于網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)的低隨機(jī)性標(biāo)簽傳播聚類(lèi)算法.首先,用半徑和最近鄰方法將數(shù)據(jù)集構(gòu)建為稀疏的全連通網(wǎng)絡(luò).之后,根據(jù)節(jié)點(diǎn)相似度進(jìn)行節(jié)點(diǎn)標(biāo)簽預(yù)處理,使得相似的節(jié)點(diǎn)具有相同的標(biāo)簽.用節(jié)點(diǎn)的影響力值改進(jìn)標(biāo)簽傳播過(guò)程,降低標(biāo)簽選擇的隨機(jī)性.最后,基于內(nèi)聚度進(jìn)行社區(qū)的優(yōu)化合并,提高社區(qū)的質(zhì)量.在真實(shí)數(shù)據(jù)集和人工數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,該算法對(duì)各種類(lèi)型的數(shù)據(jù)都具有較好的適應(yīng)性. 

【文章頁(yè)數(shù)】：9 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]基于相似性度量的改進(jìn)DBSCAN算法[J]. 郭艷婕,楊明,侯宇超,孟銘.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2020(06)
[2]基于人工蜂群算法的自適應(yīng)譜聚類(lèi)算法[J]. 胡卓婭,翁健.  重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)). 2020(03)
[3]基于隨機(jī)kNN圖的批量邊刪除聚類(lèi)算法[J]. 雷小鋒,陳皎,毛善君,謝昆青.  軟件學(xué)報(bào). 2018(12)
[4]基于標(biāo)簽傳播概率的重疊社區(qū)發(fā)現(xiàn)算法[J]. 劉世超,朱福喜,甘琳.  計(jì)算機(jī)學(xué)報(bào). 2016(04)



本文編號(hào)：3693534