一種多維圖結構聚類的社交關系挖掘算法
大小：1.44 MB 人氣： 2017-12-19 需要積分：3
社交關系的數據挖掘一直是大圖數據研究領域中的熱門問題。圖聚類算法如SCAN（ Structural clustering algorithm for networks）雖可迅速地從海量圖數據中獲得關系緊密的社區結構，但這類社區往往只表示了社交對象的聚集，無法反饋對象間的真實社交關系，如家庭成員、同事、同學等。要獲取對象間真實的社交關系，需要更多維度地挖掘現實中社交對象間復雜的交互關系。對象間的交互維度很多，例如：通話、見面、微信、Email等，而傳統SCAN等聚類算法僅能夠挖掘單維度的交互數據。本文在研究社交對象間的多維社交關系圖數據與傳統圖結構聚類算法的基礎上，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構聚類進行研究，目的是探索如何通過圖數據挖掘發現對象間真實的社交關系。SCA算法遵循自底向上的原則，能夠發現社交圖數據中所有子空間的聚類集。為了提升SCA的運行速度，我們利用其子空間聚類單調性進行了性能優化，進而提出了剪枝算法SCA+。最后，我們進行了大規模的性能測試實驗，以及真實數據的案例研究，其結果驗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
一種多維圖結構聚類的社交關系挖掘算法下載
相關電子資料下載
- 對新輔助TCHP治療響應的HER2+乳腺癌空間蛋白質組特征 547
- 使用輪廓分數提升時間序列聚類的表現 316
- 一文弄懂數據挖掘的十大算法，數據挖掘算法原理講解 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
- 深度學習聚類的綜述 780
- 聚類分析中的機器學習與統計方法綜述（二） 679
- 如何在 Python 中安裝和使用頂級聚類算法 415
- 聚類分析中的機器學習與統計方法綜述（一） 638