一種多維圖結(jié)構(gòu)聚類的社交關(guān)系挖掘算法
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評論（0）
社交關(guān)系的數(shù)據(jù)挖掘一直是大圖數(shù)據(jù)研究領(lǐng)域中的熱門問題。圖聚類算法如SCAN（ Structural clustering algorithm for networks）雖可迅速地從海量圖數(shù)據(jù)中獲得關(guān)系緊密的社區(qū)結(jié)構(gòu)，但這類社區(qū)往往只表示了社交對象的聚集，無法反饋對象間的真實(shí)社交關(guān)系，如家庭成員、同事、同學(xué)等。要獲取對象間真實(shí)的社交關(guān)系，需要更多維度地挖掘現(xiàn)實(shí)中社交對象間復(fù)雜的交互關(guān)系。對象間的交互維度很多，例如：通話、見面、微信、Email等，而傳統(tǒng)SCAN等聚類算法僅能夠挖掘單維度的交互數(shù)據(jù)。本文在研究社交對象間的多維社交關(guān)系圖數(shù)據(jù)與傳統(tǒng)圖結(jié)構(gòu)聚類算法的基礎(chǔ)上，提出了一種有效的子空間聚類算法SCA（ Subspace Cluster Algorithm），首次對多維度下子空間的圖結(jié)構(gòu)聚類進(jìn)行研究，目的是探索如何通過圖數(shù)據(jù)挖掘發(fā)現(xiàn)對象間真實(shí)的社交關(guān)系。SCA算法遵循自底向上的原則，能夠發(fā)現(xiàn)社交圖數(shù)據(jù)中所有子空間的聚類集。為了提升SCA的運(yùn)行速度，我們利用其子空間聚類單調(diào)性進(jìn)行了性能優(yōu)化，進(jìn)而提出了剪枝算法SCA+。最后，我們進(jìn)行了大規(guī)模的性能測試實(shí)驗(yàn)，以及真實(shí)數(shù)據(jù)的案例研究，其結(jié)果驗(yàn)證了算法的效率和效用。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
一種多維圖結(jié)構(gòu)聚類的社交關(guān)系挖掘算法下載
相關(guān)電子資料下載
- 對新輔助TCHP治療響應(yīng)的HER2+乳腺癌空間蛋白質(zhì)組特征 547
- 使用輪廓分?jǐn)?shù)提升時(shí)間序列聚類的表現(xiàn) 316
- 一文弄懂?dāng)?shù)據(jù)挖掘的十大算法，數(shù)據(jù)挖掘算法原理講解 706
- 基于K-means聚類算法的圖像分割 1113
- 介紹一種基于最小化平方誤差的聚類算法 498
- 介紹一種基于分層聚類方法的木馬通信行為檢測模型 1060
- 深度學(xué)習(xí)聚類的綜述 780
- 聚類分析中的機(jī)器學(xué)習(xí)與統(tǒng)計(jì)方法綜述（二） 679
- 如何在 Python 中安裝和使用頂級聚類算法 415
- 聚類分析中的機(jī)器學(xué)習(xí)與統(tǒng)計(jì)方法綜述（一） 638