计算机科学与探索

作者：尤坊州, 白亮

单位：1. 山西大学 计算机与信息技术学院，太原 0300062. 山西大学 计算机智能与中文信息处理教育部重点实验室，太原 030006

关键词：聚类分析,图聚类,谱聚类,聚类集成,关键节点选择

在众多聚类算法中，谱聚类作为一种代表性的图聚类算法，由于其对复杂数据分布的适应性强、聚类效果好等优点而受到人们的广泛关注。然而，由于其高计算时间复杂度难以应用于处理大规模数据。为提高谱聚类算法在大规模数据集上的可用性，提出关键节点选择的快速图聚类算法。该算法包含三个重要步骤：第一，提出一种充分考虑抱团性和分离性的快速节点重要性评价方法；第二，选择关键节点代替原数据集构建二分图，通过奇异值分解获得数据的近似特征向量；第三，集成多次的近似特征向量，提高近似谱聚类结果的鲁棒性。该算法将时间复杂度由谱聚类原有的[O(n3)]降低到[O(t(n+2n2))]，增强了其在大规模数据集上的可用性。通过该算法与其他七个具有代表性的谱聚类算法在五个Benchmark数据集上进行的实验分析，比较结果展示了该算法相比其他算法能够更加高效地识别数据中的复杂类结构。

来源：2021年第10期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2021年第10期