基于屬性融合的圖挖掘算法研究.pdf

1、隨著當前互聯網的快速發(fā)展，社交網絡和人們日常生活的豐富，數據所呈現出來的結構也變得越來越復雜，以圖模型為代表的數據類型也應運而生。這類數據不但包括對象之間的相互關系特征，也包含了數據自身的基本屬性。為了從海量的圖結構化數據中挖掘出有用知識，研究者開始廣泛研究這種帶節(jié)點屬性的圖的聚類技術。圖聚類作為數據挖掘領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據的拓撲結構或圖數據的節(jié)點屬性進行聚類研究的，社交網絡的興起使

2、得這些基于單一特征的聚類算法不能滿足人們日益增長的需求，存在聚類效果不理想，對實際問題建模不準確等問題。因此，挖掘圖數據的知識和信息有著重要的研究價值和實際意義。
　　本文以現有圖聚類算法對數據對象建?？紤]單一為切入點，提出多層屬性融合模型。通過對數據建模，將數據的自身屬性特征和數據之間的關系建模為不同層次特征，設置不同的層權重系數，最后經過模型融合策略，將數據自身屬性特征和相互關系統一融合到一個底層網絡中。通過分析，該模型融合方

3、法能更加反映實際中的數據之間的相互關系。
　　本文針對現有聚類算法對圖結構數據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權重分配（Multi-layer Attribute Fusion for the Adaptive Weight Distribution，MAFAWD）圖聚類算法。算法首先建立數據對象的圖結構模型，劃分不同屬性層和結構層，通過設置不同的屬性層和結構層權重系數，使建模后的數據更能反映實際分布。然后采