基于譜聚類的網(wǎng)絡(luò)社會(huì)劃分技術(shù)研究.pdf

1、在現(xiàn)實(shí)世界中，網(wǎng)絡(luò)隨處可見。如全球交通網(wǎng)絡(luò)、因特網(wǎng)、生物系統(tǒng)中的新陳代謝網(wǎng)絡(luò)、科學(xué)家合作網(wǎng)絡(luò)、生態(tài)網(wǎng)絡(luò)和在線社區(qū)網(wǎng)絡(luò)等。網(wǎng)絡(luò)中存在著大量的社區(qū)結(jié)構(gòu)，而對(duì)網(wǎng)絡(luò)進(jìn)行社區(qū)劃分能夠很好的理解網(wǎng)絡(luò)，它不僅幫助人們能夠了解該網(wǎng)絡(luò)的結(jié)構(gòu)，而且還幫助人們發(fā)現(xiàn)該網(wǎng)絡(luò)的特性。社區(qū)劃分技術(shù)廣泛應(yīng)用在物理學(xué)、生物學(xué)、計(jì)算機(jī)圖形學(xué)和社會(huì)學(xué)等領(lǐng)域中。其研究成果不僅可以為用戶提供一些及時(shí)、可靠并且有價(jià)值的信息。而且在理論與實(shí)際生活中都有極其重大的意義。
　　

2、 近年來，譜聚類算法在機(jī)器學(xué)習(xí)領(lǐng)域中獲得了廣泛的應(yīng)用。與傳統(tǒng)的聚類方法相比，它具有能在任意形狀的樣本空間上進(jìn)行聚類，以及能收斂到全局最優(yōu)解的優(yōu)點(diǎn)。但是傳統(tǒng)的譜聚類算法對(duì)尺度參數(shù)十分敏感，如何選擇一個(gè)合適的尺度參數(shù)十分困難。因此本論文改進(jìn)了傳統(tǒng)的譜聚類算法并進(jìn)行了相關(guān)擴(kuò)展。本論文主要工作包括：
　　 (1)針對(duì)傳統(tǒng)的譜聚類算法選擇尺度參數(shù)的問題，本論文提出了一種改進(jìn)的自適應(yīng)譜聚類算法，該算法通過融合核學(xué)習(xí)理論中的核參數(shù)選取技術(shù)，并

3、采用核參數(shù)選取方法中的迭代組合思路選擇尺度參數(shù)，使得改進(jìn)后的自適應(yīng)譜聚類算法能夠自適應(yīng)的選擇最優(yōu)尺度參數(shù)組合；
　　 (2)針對(duì)自適應(yīng)譜聚類算法未能利用網(wǎng)絡(luò)數(shù)據(jù)集樣本間監(jiān)督信息的問題，本論文提出了一種改進(jìn)的半監(jiān)督自適應(yīng)譜聚類算法，在自適應(yīng)譜聚類算法的基礎(chǔ)上融合了半監(jiān)督聚類學(xué)習(xí)理論，并通過成對(duì)約束集構(gòu)建相似矩陣，使得改進(jìn)后的半監(jiān)督自適應(yīng)譜聚類算法能夠有效利用網(wǎng)絡(luò)數(shù)據(jù)集樣本間的監(jiān)督信息；
　　 (3)針對(duì)半監(jiān)督自適應(yīng)譜聚類算