基于网络社区发现的标签传播聚类算法

发布时间：2022-10-19 14:28

　　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. 

【文章页数】：9 页

【参考文献】：
期刊论文
[1]基于相似性度量的改进DBSCAN算法[J]. 郭艳婕,杨明,侯宇超,孟铭.  数学的实践与认识. 2020(06)
[2]基于人工蜂群算法的自适应谱聚类算法[J]. 胡卓娅,翁健.  重庆理工大学学报(自然科学). 2020(03)
[3]基于随机kNN图的批量边删除聚类算法[J]. 雷小锋,陈皎,毛善君,谢昆青.  软件学报. 2018(12)
[4]基于标签传播概率的重叠社区发现算法[J]. 刘世超,朱福喜,甘琳.  计算机学报. 2016(04)



本文编号：3693534