去噪处理下的复杂网络聚类优化模型研究

摘要：

由于当前已有模型未能对加权复杂网络数据进行去噪处理,导致网络聚类结果和聚类质量不理想,聚类实际运行时间上升.提出一种基于空间关联性的加权复杂网络聚类模型,通过法向张量投票技术组建投影时的局部坐标系,获取网络编码局部几何结构,利用邻居节点间感知数据的空间关联性过滤噪声数据,同时使用坐标更新算法调整噪声点位置,实现复杂网络数据去噪.加权复杂网络将数据从输入空间非线性映射到特征空间,获取网络的特征向量,同时使用谱聚类算法构建加权复杂网络聚类模型,通过随机梯度下降法对模型进行优化实现网络聚类.仿真实验结果表明,所提模型可以获取高精度的聚类结果,同时还能够有效减少聚类实际运行时间,提升聚类质量.

关键词：空间关联性、加权复杂网络、聚类模型、噪声滤除、谱聚类算法

所属期刊栏目：39

分类号：TP393(计算技术、计算机技术)

资助基金：辽宁省普通高等学校一流本科课程工业机器人技术建设主持人;大连海洋大学工业机器人与智能制造项目

在线出版日期：2022-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：381-385