一种新的属性图重叠聚类挖掘算法

• 作者: 张昕尧 高宏
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 属性图 重叠聚类 模块度 熵
• 年，卷（期）: 2012,（5）
• 页码范围: 27-30
• 分类号: TP301.6
• 字数: 5166字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2163.2012.05.008

摘要

属性图各节点附有的节点属性标签,为节点提供了更加丰富的信息,在数据挖掘应用,特别是数据聚类问题中如何有效利用这些丰富的信息,已经成为开展此类研究的研究目的.不同于传统图聚类,属性图上的聚类要同时考虑图的结构信息和节点的属性信息,因此如何平衡两者之间的关系,这是属性图聚类主要关注所在.目前已提出的属性图聚类算法,部分算法的效率很高,然而聚类质量较差,同时一些算法可以得到较好的聚类结构,然而算法消耗大量的系统资源,效率也较低.这些算法均没有考虑簇之间存在重叠的情况,这导致无法得到更高精度的聚类结构.因而提出一种属性图上的重叠聚类挖掘算法,实验表明,提出的算法可以得到更高的聚类精度,特别是可以提升聚类内部节点的属性相似度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高宏	哈尔滨工业大学计算机科学与技术学院	109	1574	18.0	36.0
2	张昕尧	哈尔滨工业大学计算机科学与技术学院	1	2	1.0	1.0