一种基于拉普拉斯秩约束的多元图聚类方法技术

本发明专利技术公开了一种基于拉普拉斯秩约束的多元图聚类方法。本发明专利技术方法首先量化和表征多元图数据集中的每个图中节点的结构特征，构建每个图的节点相似矩阵，得到相似性特征增强的图相似矩阵；设定每个图相似矩阵的初始化权重，得到初始化融合图矩阵，构造融合特征矩阵；依次迭代更新每个图相似矩阵的权重和融合特征矩阵，直到满足拉普拉斯秩约束或达到最大迭代次数，得到最终的多元图聚类结果。本发明专利技术利用拉普拉斯秩约束迭代更新从融合特征图中生成最终多元图的聚类特征，不仅能表达多元关系，还能很好地保持多元图间节点的关联。本发明专利技术可以搭建可视化和交互界面，使用户能够直观地优化和评估多元图的聚类特征，并交互式地探索多元图聚类。索多元图聚类。

【技术实现步骤摘要】
一种基于拉普拉斯秩约束的多元图聚类方法


[0001]本专利技术属于信息
，涉及一种基于拉普拉斯秩约束的多元图聚类方法。

技术介绍

[0002]图聚类是探索大规模网络的一种常用方法，通常根据节点相关性将图划分为几个紧密连接的组件。它对于复杂网络的信息挖掘和特征探索具有重要意义，已广泛应用于社区发现、推荐系统、生物科学和三维姿态估计等许多应用领域。随着传感器的快速发展，同一组物体之间可以存在不同的关系，它们可以形成复杂的多个网络。例如，个体可以在社交网络中以不同的权重相互关联，比如商品交易和在线交流。城市位置可以通过不同的交通工具，如公共汽车、自行车、出租车等。因此，在同一组对象之间使用多种类型的关系进行图聚类，使用户能够更深入地了解对象之间的关系具有重要意义。例如，通过综合考虑多个平台上消费者之间的各种互动，然后针对共享共同消费偏好的消费者集，可以提高目标广告的效果。然而，传统的图聚类方法很难适合于多元图结构的聚合，因为它们只考虑单图特征或简单加权的多图特征，忽略了不同图内节点的不同局部相关性。一般来说，节点在多元图之间的连接总是不同的。因本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于拉普拉斯秩约束的多元图聚类方法，其特征在于：步骤(1)利用图表征学习方法node2vec量化和表征多元图数据集中的每个图中节点的结构特征，并通过计算对应向量的欧式距离构建每个图的节点相似矩阵；利用k
‑
最近邻方法，稀疏地表示每个图的节点相似矩阵，得到相似性特征增强的图相似矩阵；步骤(2)设定每个图相似矩阵的初始化权重所有图相似矩阵的权重之和为1，将所有图相似矩阵根据初始化权重进行融合，得到初始化融合图矩阵使用拉普拉斯最小乘子法，最小化初始融合图矩阵与单图节点相似矩阵的Frobenius范数差值构造融合特征矩阵，平衡不同图间的局部相关性；其中，G
k
表示第k个图的节点相似矩阵，w
k
表示G
k
的权重，k＝1,2,
…
,K，K为多元图数据集中图的数量，表示F2范式；表示初始化融合图矩阵中第i行第j列的元素，上标T表示转置；l表示所有项都为1的列向量，表示初始化融合图矩阵中第i行的行向量；步骤(3)依次迭代更新每个图相似矩阵的权重和融合特征矩阵，直到满足拉普拉斯秩约束或达到最大迭代次数，得到最终的多元图聚类结果。2.如权利要求1所述的一种基于拉普拉斯秩约束的多元图聚类方法，其特征在于，步骤(1)具体是：对多元图数据...

【专利技术属性】
技术研发人员：周志光，王浩轩，孙玲，李芯钰，徐婷，王永恒，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：