基于LLE-PCA的社交网络数据二重降维方法研究

社交网络数据属于多维数据,在社交网络数据挖掘研究中,对海量社交数据进行降维处理是必不可少的步骤。文中针对传统的局部线性嵌入(LLE)降维算法和主成分分析(PCA)降维算法对所处理数据类型有要求的局限性,提出一种新的局部线性嵌入-主成分分析联合二重降维算法(LLE-PCA),并将该算法应用于社交网络数据处理中。该算法将LLE中的重构系数矩阵与PCA中的主成分矩阵相结合,得到在低维空间投影后的新样本方差表达式,新的样本方差表达式可为数据降维的效果好坏提供判断依据。实验结果表明:所提算法对多维社交网络数据的降维效果较好,能明显将不同属性的社交数据分散开,同时兼顾数据的整体和局部特征;此外,相比单一的LLE和PCA算法,LLE-PCA算法缩短了对多维社交数据降维的时间。从降维效果来看,文中算法融合了LLE和PCA算法的优点,在处理同时具有线性和非线性特征的社交网络数据时有更好的兼容性。