基于結(jié)構(gòu)和屬性的圖挖掘技術(shù)應(yīng)用研究.pdf

1、圖聚類作為從海量數(shù)據(jù)中發(fā)現(xiàn)有用知識(shí)的技術(shù)引起了人們的廣泛關(guān)注。目前的聚類方法多是在基于圖拓?fù)浣Y(jié)構(gòu)或基于圖節(jié)點(diǎn)屬性方面進(jìn)行研究，而在某些實(shí)際應(yīng)用中需要同時(shí)考慮圖節(jié)點(diǎn)的拓?fù)浣Y(jié)構(gòu)和屬性關(guān)系。因此，現(xiàn)有的圖聚類方法在處理此類應(yīng)用時(shí)存在對象建模不準(zhǔn)確、聚類結(jié)果不理想、算法執(zhí)行效率低等問題，為了解決現(xiàn)有圖聚類算法在實(shí)際應(yīng)用中存在的問題，本文在以下幾個(gè)方面進(jìn)行研究：
　　 首先，針對現(xiàn)有圖聚類方法在數(shù)據(jù)集合建模方面存在的問題，提出了一種屬性加

2、權(quán)圖的圖模型。在模型中，頂點(diǎn)表示數(shù)據(jù)對象，邊表示數(shù)據(jù)對象間的關(guān)系，頂點(diǎn)屬性表示數(shù)據(jù)對象的特征。根據(jù)數(shù)據(jù)對象問的緊密程度和各特征值對數(shù)據(jù)對象的不同重要程度，分別對結(jié)構(gòu)邊和頂點(diǎn)的相應(yīng)屬性設(shè)定的不同的權(quán)值。通過建模，可使屬性加權(quán)圖更真實(shí)地表現(xiàn)現(xiàn)實(shí)應(yīng)用中數(shù)據(jù)對象的實(shí)際分布情況。
　　 其次，針對現(xiàn)有結(jié)構(gòu)與屬性圖聚類方法中存在的問題，本文提出了一種基于結(jié)構(gòu)-屬性的高效SACA(Structural and Attributed Clust

3、ering Approach)圖聚類方法。1)提出了屬性加權(quán)圖模型。該模型通過對圖中的邊和屬性設(shè)定不同的權(quán)值，更好地反映實(shí)際應(yīng)用中實(shí)體對象的復(fù)雜關(guān)系。2)提出一種結(jié)構(gòu)-屬性的統(tǒng)一度量方法，用以測量圖相似度，圖聚類算法可以通過該度量方法對結(jié)構(gòu)與屬性的相似度進(jìn)行計(jì)算。3)采用隨機(jī)游走模型對圖結(jié)構(gòu)和屬性的相似度進(jìn)行處理，將節(jié)點(diǎn)間結(jié)構(gòu)與屬性關(guān)系轉(zhuǎn)換為相應(yīng)的相似度矩陣，利用相似度矩陣進(jìn)行進(jìn)一步的處理，提高了算法效率。4)結(jié)合圖結(jié)構(gòu)與屬性關(guān)系及相似