基于网络社区发现的标签传播聚类算法
高维数据的聚类特性通常难以直接观测.将其构建为复杂网络,节点间的拓扑结构可以反映样本之间的关系.对网络中的节点进行社区发现,可实现对数据更直观的聚类.提出一种基于网络社区发现的低随机性标签传播聚类算法.首先,用半径和最近邻方法将数据集构建为稀疏的全连通网络.之后,根据节点相似度进行节点标签预处理,使得相似的节点具有相同的标签.用节点的影响力值改进标签传播过程,降低标签选择的随机性.最后,基于内聚度进行社区的优化合并,提高社区的质量.在真实数据集和人工数据集上的实验结果表明,该算法对各种类型的数据都具有较好的适应性.
聚类、网络构建、社区发现、标签传播
29
福建省自然科学基金;认知计算与智能信息处理福建省高校重点实验室开放课题基金;智慧农林福建省高校重点实验室开放课题基金;福建省中青年教师教育科研项目;中央引导地方科技专项;武夷学院校科研基金
2020-12-18(万方平台首次上网日期,不代表论文的发表时间)
共9页
135-143