在现有的图聚类方法中,大多数聚类方法只关注图的拓扑结构或节点属性而忽略另一方面.为解决这一问题,相关文献中提出了基于图的结构与属性的图聚类方法.但这些聚类方法存在建立的图模型不准确、聚类效果不理想、算法执行效率低等缺点....在现有的图聚类方法中,大多数聚类方法只关注图的拓扑结构或节点属性而忽略另一方面.为解决这一问题,相关文献中提出了基于图的结构与属性的图聚类方法.但这些聚类方法存在建立的图模型不准确、聚类效果不理想、算法执行效率低等缺点.针对上述图聚类方法中存在的问题,提出了一种基于结构-属性的时空对象图聚类方法(spatio-temporal object graph clustering algorithm based on structure and attribute,STSA).首先提出了属性加权图模型,在此基础上建立了结构-属性的统一度量方法,并采用随机游走模型技术将节点间结构与属性关系转换为相应的相似度矩阵,结合图结构-属性关系及相似度矩阵,采用信息传递算法对图进行聚类,解决了现有图聚类方法中所存在的问题,最后通过实验验证了提出的STSA方法的正确性和有效性.展开更多
文摘在现有的图聚类方法中,大多数聚类方法只关注图的拓扑结构或节点属性而忽略另一方面.为解决这一问题,相关文献中提出了基于图的结构与属性的图聚类方法.但这些聚类方法存在建立的图模型不准确、聚类效果不理想、算法执行效率低等缺点.针对上述图聚类方法中存在的问题,提出了一种基于结构-属性的时空对象图聚类方法(spatio-temporal object graph clustering algorithm based on structure and attribute,STSA).首先提出了属性加权图模型,在此基础上建立了结构-属性的统一度量方法,并采用随机游走模型技术将节点间结构与属性关系转换为相应的相似度矩阵,结合图结构-属性关系及相似度矩阵,采用信息传递算法对图进行聚类,解决了现有图聚类方法中所存在的问题,最后通过实验验证了提出的STSA方法的正确性和有效性.
