基于復雜網絡特征的聚類算法研究.pdf

1、復雜網絡研究作為一個新興的學科方向，極大地吸引了來自不同學科研究人員的廣泛關注，已成為學術界研究的一個熱點。人們生活在一個充滿著各種各樣的復雜網絡的世界中，這也使得研究復雜網絡成為必要。復雜網絡簡而言之即呈現(xiàn)高度復雜性的網絡，使得研究復雜網絡非常困難。復雜網絡隨著網絡規(guī)模和計算機技術飛速發(fā)展而出現(xiàn)社團劃分方法。
　　聚類分析（ClusteringAnalysis）作為數據挖掘（DataMining）的一項主要功能和任務，在數據挖掘

2、和探查性分析中已成為一個非常活躍的研究領域。面對海量數據，首要的任務就是對其進行歸類，聚類分析就是對原始數據進行合理歸類的一種方法。但由于聚類對象在高維特征空間分布的復雜性，聚類效果評價的不確定性和靈活性，以及聚類作為一個優(yōu)化問題求解的高計算復雜性，聚類算法仍然面臨著眾多的問題和挑戰(zhàn)。
　　本文的主要工作是：
　　(1)概述復雜網絡的研究現(xiàn)狀和研究意義，并且介紹數據挖掘中聚類和聚類分析及其相關的算法；
　　(2)重點介

3、紹層次聚類算法思想，分析其存在的問題，復雜網絡中作為聚類中心的節(jié)點不僅具有與同類其它節(jié)點較強的連接強度，而且與其相連的節(jié)點之間也具有較強的相互連接密度和強度，即具有較強的局部聚集性。本文借鑒復雜網絡中的節(jié)點中的綜合特征值CFi的定義，提出了相應改進算法的思路。在介紹Chameleon算法的基礎上，結合定義提出一種基于綜合特征值的Chameleon算法，在標準數據集中進行相關實驗和效果分析；
　　(3)簡單介紹了復雜網絡中社團研究現(xiàn)