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)出來的結(jié)構(gòu)也變得越來越復(fù)雜，以圖模型為代表的數(shù)據(jù)類型也應(yīng)運而生。這類數(shù)據(jù)不但包括對象之間的相互關(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，研究者開始廣泛研究這種帶節(jié)點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)的拓撲結(jié)構(gòu)或圖數(shù)據(jù)的節(jié)點屬性進行聚類研究的，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的需求，存在聚類效果不理想，對實際問題建模不準確等問題。因此，挖掘圖數(shù)據(jù)的知識和信息有著重要的研究價值和實際意義。
　　本文以現(xiàn)有圖聚類算法對數(shù)據(jù)對象建?？紤]單一為切入點，提出多層屬性融合模型。通過對數(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)一融合到一個底層網(wǎng)絡(luò)中。通過分析，該模型融合方

3、法能更加反映實際中的數(shù)據(jù)之間的相互關(guān)系。
　　本文針對現(xiàn)有聚類算法對圖結(jié)構(gòu)數(shù)據(jù)聚類效果不理想的問題，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)對象的圖結(jié)構(gòu)模型，劃分不同屬性層和結(jié)構(gòu)層，通過設(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)更能反映實際分布。然后采