基于稀疏子空间聚类的多层网络社团检测

摘要：

现有的子空间聚类方法大多只适用于单层网络,或者仅对多层网络中每层的聚类结果简单地进行平均,未考虑每层网络中包含信息量不同的特点,致使聚类性能受限.针对该问题,提出一种面向多层网络的稀疏子空间聚类方法.将距离正则项和非负约束条件集成到稀疏子空间聚类框架中,从而在聚类时能够同时利用数据的全局信息和局部信息进行图学习.此外,通过引入稀疏约束使学习到的图具有更清晰的聚类结构,并设计迭代算法进行优化求解.在多个真实数据集上的实验结果表明,该方法能够挖掘网络不同层的互补信息,得到准确的一致性联合稀疏表示,有效提高社团聚类性能.

关键词：高维数据;子空间聚类;稀疏表示;社团检测;复杂网络

所属期刊栏目：47

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金青年科学基金"基于子空间学习的多层网络社团协同检测研究";国家自然科学基金重点国际合作项目"遥感影像地面区域变化的结构化建模与检测方法研究"

在线出版日期：2021-10-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：52-60