一种基于结构和属性的图聚类算法研究
图是一种有效、简单而系统的建模方式,如何有效、准确的进行图聚类是目前的一个研究热点.本文提出一种基于结构和属性的图聚类算法,首先,针对传统k-means算法对初始聚类中心敏感的问题,提出一种基于相似度的初始聚类中心算法,对结构一属性相似度矩阵的行进行求和,按照从大到小顺序提取前K个不重叠值所对应的顶点作为初始聚类中心;其次,提出一种动态属性权重确定方法,根据上一次迭代后的聚类结果,考虑属性的不同取值数量以及属性值的分布情况,确定下一轮聚类时顶点属性的权重;再次,利用动态属性权重,计算节点间的属性—结构相似度,进行k-means聚类;最后,通过实验验证本文算法的正确性和有效性.
图聚类、k-means算法、相似度、结构、属性
37
TP391(计算技术、计算机技术)
河南省科技厅国际合作项目144300510007;郑州市科技攻关项目141PPTGG368;郑州大学新媒体公共传播专项课题项目XMTGGCBJSZ05
2016-10-25(万方平台首次上网日期,不代表论文的发表时间)
共5页
1469-1473