[发明专利]基于优化的复杂网络聚类方法

说明书

本发明公开了一种基于优化的复杂网络聚类方法，属于云3D打印领域，用于云3D打印平台的优化，其包括网络初始化→抽取特征向量权值→构造节点对集合→构造概念→概念做归一化处理→计算节点对间的距离度量→计算边界值→计算模块复杂度→重复计算机电队间的距离度量及边界值，直至所有边被删除，得出复杂网络的分类结果。鉴于上述技术方案，本发明能够将订单视为复杂网络节点，将订单与订单之间的关联关系视为复杂网络的边，通过优化复杂网络的聚类方法实现云3D打印平台中订单任务分类任务分配策略的优化与提高，保证云3D打印服务成本的同时又能够保证3D打印服务提供商在规定的时间段内完成某项订单任务。

技术领域

本发明属于云3D打印领域，具体地说，尤其涉及一种用于云3D打印平台的基于优化的复杂网络聚类方法。

背景技术

复杂网络是由数量巨大的节点和节点之间错综复杂的关系共同构成的，因此，复杂网络作为一个复杂拓扑结构特征的网络，岂会出现在简单网络中没有的特殊拓扑特性，这些特性仅仅在真实世界的网络结构中存在，且其基本特征和规律性是不容易辨识的。

复杂网络一般具有以下的特性：第一，小世界。它以简单的措辞描述了大多数网络进管规模很大但是任意两个节(顶)点间却有一条相当短的路径的事实。第二、集群即集聚程度(Clustering coefficient)的概念。集群程度是网络集团化的程度，这是一种网络的内聚倾向。第三，幂律(Power law)的度分布概念。度是指与节点连接的边数；度的相关性是指网络边的两节点之间关系的关联程度；度分布是指从图中随机选取一个节点其度为的概率，可记为P(k)。

具体到云3D打印平台中，在云计算任务和虚拟计算机资源数量不相等的情况下，如何实现订单分类任务的分配，在考虑到云3D打印服务成本以及确保云3D打印服务提供商能够在规定时间段内完成某项打印订单服务的情形下，如何指定订单分类任务的分配策略，就需要用到基于优化的复杂网络聚类方法。

发明内容

本发明的目的在于提供一种基于优化的复杂网络聚类方法，其能够将订单视为复杂网络节点，将订单与订单之间的关联关系视为复杂网络的边，通过优化复杂网络的聚类方法实现云3D打印平台中订单任务分类任务分配策略的优化与提高，保证云3D打印服务成本的同时又能够保证3D打印服务提供商在规定的时间段内完成某项订单任务。

为达到上述目的，本发明是通过以下技术方案实现的：

本发明中所述的基于优化的复杂网络聚类方法，包括以下步骤：首先需要输入待聚类的文档、复杂网络、已知must-link约束集合及cnnot-link约束集合的阈值，并进行如下步骤；

第一步：网络初始化。

网络初始化是将复杂网络中的数据抽象成无向图，并将无向图转化成N阶矩阵A，并随机选择簇的数目k，并赋予网络的初始值。网络的初始值即为节点和边的基本信息和属性。

第二步：抽取特征向量权值。

假设特征词的权重为f_t，则计算文档各关键词的特征向量权重W_i为W_i＝σ×μ×f_t×log(l+1)，其中σ是特征词位置的加权系数，μ是语义分析加权系数，f_t是文档中关键词的频率，l是关键词特征之间的长度。

第三步：构造节点对集合。

根据约束规则，比较must-link节点对集合、cannot-link节点对集合进行比较，并判断关键词之间是否符合服务资源同义词字典集和属性字典的扩展要求，计算得出各种先验知识，先验知识为合理性形式。

第四步：构造概念。