基于图模型的高效聚类算法研究

《基于图模型的高效聚类算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代硬１０００４密级：公开如《猶９ＢＥＩＪＩＮＧＪＩＡＯＴＯＮＧＵＮＩＶＥＲＳＩＴＹ硕±学位论文３崖Ｉ曲圓Ｉ基于！ａ模型自搞臟鐵渐賊Ｈｌｌ＾＾作者姓名牛品寂学科专业计算机科学与技术指导教师徐保民副教授‘！：培养院系计龍与信息技术学踪．＆ａ．■欄．＇？’＇’－、Ａ－－．ＭＭ灌ｇｒ－Ｊ；ｒ二，４＾年ｓ月韦ＩＭ主｜硕壬学位论文基于图模型的高效聚类算法研究ＲｅｓｅａｒｃｈｏｎＣｌｕｓｋｒｉｎＡｌｏｒｉｔｈｍＢａｓｅｄｏｎＧｒａｈＭｏｄｅｌｇｇｐ作者：牛品寂导师：徐保民北京交通大

2、学２０１６年３月学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可Ｗ将学位论文的全部或部分内容编入有关数据库进行检索，提供阅览服务，并采用影印、缩印或扫描等复制手段保存、汇编Ｗ供查阅和借阅。同意学校向国家有关部口或机构送交论文的复印件和磁盘。学校可Ｗ为存在馆际合作关系的兄弟高校用户提供文献传递服务和交换服务。（保密的学位论文在解密后适用本授权说明）学位论文作者签名导师签名：／签字日期：年月日签字日期：年月；日Ａ＞＾，＾＾学校代码：１０００４密级：公开北京交通大学硕±学位论文基于

3、图模型的高效聚类算法研究ＲｅｓｅａｒｃｈｏｎＣｌｕｓｔｅｒｉｎＡｌｏｒｉｔｈｍＢａｓｅｄｏｎＧｒａｈＭｏｄｅｌｇｇｐ１３１２０４１６：牛品寂学号作者姓名：导师姓名：徐保民职称：副教授：学位类别：工学学位级别硕±学科专业：计算机科学与技术研究方向：数据挖掘北京交通大学２０１６年３月ｉ致谢一段落，在毕业论文即将完时间飞逝，转眼间Ｈ年的研究生学习生涯即将告，由衷的对曾经帮助过我的人表示感谢成之际。、，本文是在徐老师得悉屯教导下完成的，首先，我要感谢我的导师徐保民教授，，，徐老师认真负责自研究生入学Ｗ来，我有幸师从徐保民老师

4、在学术上对待一，丝不苟，，给予我很多指导和鼓励问题，学术态度严谨学识渊博在徐老师的悉也指导下，我不仅获得了丰富的专化知识，更多的是掌握了正确的学习方法、、感谢Ｈ年来徐严谨的工作态度，使我终生受益，在此衷屯、脚踏实地的做人道理保民老师对我的关也和指导。一２班所有同学们我还要感谢这Ｈ年同陪伴我走过的计科，谢谢你们在学习一一和生活中给予我的帮助，让我收获了份难得的友谊，这也将成为我生中最宝，我们都从不同的地，我要感谢曲晓雅贵的财富。特别的、秦艳菲、宋晓莉同学，谢谢你们在生活上给予我的帮助方来的北京，来到交大，共同学习和生活。感谢戴昕同学王年的同窗之谊，谢谢你在学术

5、和论文撰写工作中给予我的启发和帮助。一一、直是我求学直支持，你们最后，我要感谢、鼓励、关屯、理解我的家人一一路上奋斗的动为和依靠直追求自己的梦想，我定会坚持。是你们的信任让我梦想，不辜负你们的期望。北京交通大学硕±学位论文摘要摘要近年来，随着社会网络、通信网络、生物网络等在各领域应用的快速发展，其产生的图模型数据更是呈现出快速增长的态势一。图作为种数据结构具有本身一其特有的表示方法和信息，个图模型可能包含几百到几百万的顶点，而这些顶点及其连接的边构成的关联信息在不同领域中都具有不同的意义，随着数据规模的不断增长，如何有效的对这些信息进行综合分析并从

6、中获取有用的信息进行应一用，是非常必要的，也是本文研究的主要的方向。聚类分析作为机器学习的个重要工具目前己经被广泛应用于文本挖掘、生物信息学、模式识别等领域的科学一研巧，随着图模型数据的广泛应用类较为重要的聚类分析方，图聚类也成为了一法，图聚类是图数据分析的有效技术之。在构造节点的相似矩阵时经常采用距离作为评价标准，而节点间存在多条等长路径及ｋ短路径，这些路径间的关系都会对节点间相似性产生影响，因此综合考虑节点间的距离关系有助于更好的衡量节点间的相似性一。针对这问题，本文提出一个基于前ｋ短路径的图聚类算法（ＤＲＧＣ），该算法参照谱聚类算法的思想，使用前ｋ短路

7、径模型构造相似矩阵，利用多层自动编码器代替谱聚类算法中的特征分解实现对数据的重构，并且可Ｗ大大减少特征分解所用时间，最后利用非参数贝叶斯模型进行聚类，因狄利克雷过程具有很好的聚类性质并且可Ｗ实现对数据的自动划分，因此该算法可Ｗ在不预先指定聚类数目的情况下得到数据集的正确合理划分。一一为了克服单聚类算法对数据集敏感的问题，本文提出了个基于多数投票的聚类集成算法，该算法利用前ｋ