基于屬性融合的圖挖掘算法研究.pdf

1、隨著當(dāng)前互聯(lián)網(wǎng)的快速發(fā)展，社交網(wǎng)絡(luò)和人們?nèi)粘Ｉ畹呢S富，數(shù)據(jù)所呈現(xiàn)出來(lái)的結(jié)構(gòu)也變得越來(lái)越復(fù)雜，以圖模型為代表的數(shù)據(jù)類型也應(yīng)運(yùn)而生。這類數(shù)據(jù)不但包括對(duì)象之間的相互關(guān)系特征，也包含了數(shù)據(jù)自身的基本屬性。為了從海量的圖結(jié)構(gòu)化數(shù)據(jù)中挖掘出有用知識(shí)，研究者開(kāi)始廣泛研究這種帶節(jié)點(diǎn)屬性的圖的聚類技術(shù)。圖聚類作為數(shù)據(jù)挖掘領(lǐng)域一個(gè)新的研究方向，有著重要的研究意義。目前的圖聚類算法大多是基于圖數(shù)據(jù)的拓?fù)浣Y(jié)構(gòu)或圖數(shù)據(jù)的節(jié)點(diǎn)屬性進(jìn)行聚類研究的，社交網(wǎng)絡(luò)的興起使

2、得這些基于單一特征的聚類算法不能滿足人們?nèi)找嬖鲩L(zhǎng)的需求，存在聚類效果不理想，對(duì)實(shí)際問(wèn)題建模不準(zhǔn)確等問(wèn)題。因此，挖掘圖數(shù)據(jù)的知識(shí)和信息有著重要的研究?jī)r(jià)值和實(shí)際意義。
　　本文以現(xiàn)有圖聚類算法對(duì)數(shù)據(jù)對(duì)象建?？紤]單一為切入點(diǎn)，提出多層屬性融合模型。通過(guò)對(duì)數(shù)據(jù)建模，將數(shù)據(jù)的自身屬性特征和數(shù)據(jù)之間的關(guān)系建模為不同層次特征，設(shè)置不同的層權(quán)重系數(shù)，最后經(jīng)過(guò)模型融合策略，將數(shù)據(jù)自身屬性特征和相互關(guān)系統(tǒng)一融合到一個(gè)底層網(wǎng)絡(luò)中。通過(guò)分析，該模型融合方

3、法能更加反映實(shí)際中的數(shù)據(jù)之間的相互關(guān)系。
　　本文針對(duì)現(xiàn)有聚類算法對(duì)圖結(jié)構(gòu)數(shù)據(jù)聚類效果不理想的問(wèn)題，提出一種基于多層屬性融合的自適應(yīng)權(quán)重分配（Multi-layer Attribute Fusion for the Adaptive Weight Distribution，MAFAWD）圖聚類算法。算法首先建立數(shù)據(jù)對(duì)象的圖結(jié)構(gòu)模型，劃分不同屬性層和結(jié)構(gòu)層，通過(guò)設(shè)置不同的屬性層和結(jié)構(gòu)層權(quán)重系數(shù)，使建模后的數(shù)據(jù)更能反映實(shí)際分布。然后采