復(fù)雜網(wǎng)絡(luò)中基于數(shù)據(jù)場(chǎng)的自適應(yīng)聚類(lèi)算法研究.pdf

1、復(fù)雜網(wǎng)絡(luò)是與其他學(xué)科交叉研究而發(fā)展起來(lái)的一門(mén)新學(xué)科，其網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)具有明顯的成簇特性，也即復(fù)雜網(wǎng)絡(luò)簇結(jié)構(gòu)，它與小世界性和無(wú)標(biāo)度性一起稱(chēng)為復(fù)雜網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的三大最重要最基本的屬性。簇結(jié)構(gòu)具有的特點(diǎn)是同簇內(nèi)的節(jié)點(diǎn)相互連接緊密，不同簇間的節(jié)點(diǎn)相互連接稀疏。而復(fù)雜網(wǎng)絡(luò)聚類(lèi)算法的根本目的是探測(cè)復(fù)雜網(wǎng)絡(luò)中實(shí)際存在的網(wǎng)絡(luò)簇結(jié)構(gòu)，這對(duì)于挖掘網(wǎng)絡(luò)中的簇結(jié)構(gòu)并了解其特性，具有很重要的實(shí)用價(jià)值，而且有利于理解網(wǎng)絡(luò)所具有的功能，例如預(yù)測(cè)復(fù)雜網(wǎng)絡(luò)的發(fā)展，分析社會(huì)

2、網(wǎng)絡(luò)的行為，發(fā)現(xiàn)網(wǎng)絡(luò)上的熱點(diǎn)主題等。因此，本文從用于挖掘網(wǎng)絡(luò)中的簇結(jié)構(gòu)的聚類(lèi)算法出發(fā)，做了如下幾個(gè)方面的工作:
　　首先，本文介紹了研究復(fù)雜網(wǎng)絡(luò)及其聚類(lèi)算法的背景與現(xiàn)實(shí)意義，之后，主要闡述了復(fù)雜網(wǎng)絡(luò)的聚類(lèi)算法的研究現(xiàn)狀，陳述了復(fù)雜網(wǎng)絡(luò)中節(jié)點(diǎn)的中心性，并介紹了幾種聚類(lèi)評(píng)價(jià)函數(shù)，同時(shí)，詳細(xì)闡述了兩種經(jīng)典的聚類(lèi)算法。
　　其次，通過(guò)研究分析發(fā)現(xiàn)復(fù)雜網(wǎng)絡(luò)簇結(jié)構(gòu)的探測(cè)與數(shù)據(jù)聚類(lèi)分析算法很相似，而且挖掘網(wǎng)絡(luò)簇中心節(jié)點(diǎn)對(duì)減少聚類(lèi)算法的復(fù)雜

3、度有很大的幫助，而用于挖掘復(fù)雜網(wǎng)絡(luò)中重要節(jié)點(diǎn)的算法正適合挖掘簇中心節(jié)點(diǎn)。通過(guò)分析對(duì)比各種節(jié)點(diǎn)重要性評(píng)估算法的優(yōu)缺點(diǎn)，本文提出了節(jié)點(diǎn)重要性因子的概念，以此來(lái)挖掘網(wǎng)絡(luò)簇中心節(jié)點(diǎn)。在研究了現(xiàn)有復(fù)雜網(wǎng)絡(luò)聚類(lèi)算法的優(yōu)缺點(diǎn)之后，發(fā)現(xiàn)聚類(lèi)評(píng)價(jià)函數(shù)可以避免初始簇結(jié)構(gòu)數(shù)難以抉擇的問(wèn)題，而通過(guò)構(gòu)建合適的聚類(lèi)評(píng)價(jià)函數(shù)可以解決此問(wèn)題?；谝陨纤枷耄疚膶-means算法的思想與數(shù)據(jù)場(chǎng)高斯函數(shù)的特性結(jié)合提出了一種復(fù)雜網(wǎng)絡(luò)中基于數(shù)據(jù)場(chǎng)的自適應(yīng)聚類(lèi)算法。
　

4、　再次，考慮到僅依靠重要節(jié)點(diǎn)作為簇中心節(jié)點(diǎn)不易發(fā)現(xiàn)簇結(jié)構(gòu)相差較大的網(wǎng)絡(luò)，特別對(duì)于核心-外圍結(jié)構(gòu)的網(wǎng)絡(luò)不適用，而且單一的聚類(lèi)評(píng)價(jià)函數(shù)的存在片面性。為了克服上述算法的缺陷，本文引入了節(jié)點(diǎn)相似度的概念，避免網(wǎng)絡(luò)中的重要節(jié)點(diǎn)都成為簇中心節(jié)點(diǎn)，同時(shí)，引入了多目標(biāo)評(píng)價(jià)函數(shù)，以至于更好更有效的劃分網(wǎng)絡(luò)簇結(jié)構(gòu)。基于此思想，本文又提出了基于數(shù)據(jù)場(chǎng)的多目標(biāo)自適應(yīng)聚類(lèi)算法。
　　最后，仿真實(shí)驗(yàn)表明以上算法均能有效地發(fā)現(xiàn)簇結(jié)構(gòu)，且復(fù)雜度都低于一般的聚類(lèi)算