基于网络社团划分方法的多维数据聚类研究

• 作者: 刘建国 吴行斌 张林兵 梁耀洲 郭强
• 来源期刊: 计算机应用研究
• 关键词: 聚类 多维数据 相似性 社团划分
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 421-423
• 页数: 3页
• 分类号: TP311
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.07.0522

摘要

为了解决传统聚类方法在多维数据集中聚类效果不佳的问题,提出将网络社团划分的方法应用到多维数据聚类分析中.对于一个多维数据集,首先对分析对象进行特征提取,构建出每个对象的特征向量,通过计算皮尔森相关系数来度量不同特征向量之间的相似性,从而构建出一个相似性网络,采用Blondel算法对该网络进行社团划分达到聚类的效果.实验结果表明,该方法可以在多维数据聚类中得到较好的聚类结果,准确率达到92.5％,优于K-means算法的75％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭强	上海理工大学复杂系统科学研究中心	55	568	8.0	23.0
2	刘建国	上海财经大学会计学院	24	36	4.0	5.0
3	梁耀洲	上海理工大学复杂系统科学研究中心	4	0	0.0	0.0
4	吴行斌	上海理工大学复杂系统科学研究中心	2	0	0.0	0.0
5	张林兵	上海理工大学复杂系统科学研究中心	2	0	0.0	0.0