[发明专利]基于引力相似度的图聚类方法

摘要

本发明公开的基于引力相似度的图聚类方法，主要目的是提升节点包含分类属性的无向带权图的聚类效果。具体步骤包括：首先构建目标函数，然后选取k个度数最大的节点作为初始聚类中心计算各节点与簇中心的引力相似度来更新隶属度矩阵得到最初的划分，并计算目标函数值，再在每个簇中根据簇中心更新方法更新簇中心，然后更新隶属度矩阵并计算目标函数值，直到目标函数值不再改变时，算法停止该划分为最终划分结果。本发明公开的基于引力相似度的图聚类方法，解决了现有方法没有综合考虑图的拓扑结构、节点的属性特征以及时间复杂度较高的问题。

主权项

1.基于引力相似度的图聚类方法，其特征在于，所聚类的图为节点包含分类属性的无向带权图，定义为：一个节点包含分类属性的无向带权图可以用一个三元组表示G＝{V,A,E}，其中，V＝{v₁,v₂,...,v_n}为包含n个节点的非空集合，每个节点包含m个分类属性；A＝{a₁,a₂,...,a_m}为m个属性的非空集合，属性a_j的值域为它是有限并且无序的；E＝{(v_i,v_j)|v_i,v_j∈V}是无向边的集合，节点v_i与v_j边的权值w_ij>0；具体操作过程包括如下步骤：步骤1.构建目标函数F(W,Z)；步骤2.选取k个度数最大的节点作为初始聚类中心得到中心点矩阵Z(1)，计算各个节点与所有簇中心之间的引力相似度计算隶属度矩阵得到W(1)并计算目标函数值F(W(1),Z(1))，设置迭代次数t＝1；步骤3.根据中心点更新方法在每个簇中更新中心点矩阵Z(t+1)并计算目标函数值F(W(t),Z(t+1))，如果F(W(t),Z(t+1))＝F(W(t),Z(t))，算法结束该划分为最终划分结果，否则，执行步骤4；步骤4：计算各个节点与所有簇中心之间的引力相似度，并且更新隶属度矩阵得到W(t+1)，计算目标函数值F(W(t+1),Z(t+1))，如果F(W(t+1),Z(t+1))＝F(W(t),Z(t+1))，算法结束该划分为最终划分结果，否则，设置t＝t+1，执行步骤3。