面向大规模信息网络的高效自适应聚类算法

摘要：

为解决传统聚类算法在处理大规模信息网络中时间开销过大的问题，基于大规模信息网络的统计学特性，提出了一种将信息网络拓扑结构进行“分而治之”的思想，有效地减少了聚类问题规模和时间开销，并保持了相当的聚类效果。主要贡献包括：提出按照聚类影响力排名来对整个信息网络进行分层切割，然后分别聚类的思想；按照特定信息网络统计学意义上的结构特性，如信息网络的富人集团特性和分层社区结构特性，设计了一套将信息网络进行层次划分的粗略方案，并通过实验证明了其具有一定的合理性；提出了迭代的层级间聚类融合算法，可以实现不同层次聚类的融合。实验表明，该算法在兼具较好聚类效果的同时，非常明显地减少了运算开销。

关键词：信息网络、自适应聚类、信息层

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No.61103043;the National“12th-Five-Year Plan”Key Technology R&D Program of China under Grant No.2012BAG04B02;the Program of State Key Laboratory of Software Engineering of Wuhan University under Grant No. SKLSE2012-09-26

在线出版日期：2014-04-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：406-416