基于复杂网络数据流密度的增量子空间数据挖掘方法.doc

基金项目：河南省软科学研究计划项目（132400410927）；西南科技大学博士基金项目（14zx7117） 作者简介：侯燕（1980-），女(汉)，河南周口人，硕士，讲师，主要研究为复杂系统仿真及应用等；李巍（1982-），男，汉族，河南周口人，硕士，讲师，主要研究为多媒体技术等；文乔农（1974.9），男（汉），四川人，博士，讲师，主要研究方向：图像处理与模式识别、计算机图形学  MACROBUTTON MTEditEquationSection2 Equation Chapter 1 Section 1 SEQ MTEqn \r \h \* MERGEFORMAT  SEQ MTSec \r 1 \h \* MERGEFORMAT  SEQ MTChap \r 1 \h \* MERGEFORMAT 基于复杂网络数据流密度的增量子空间数据挖掘算法 侯 燕1，李 巍1，文乔农2 （1周口师范学院 计算机科学与技术学院，河南 周口 466001；2 西南科技大学 信息工程学院 四川 绵阳 621010） 摘要：为了提升在复杂网络中对大规模网络数据流进行挖掘时的准确性，提出一种基于复杂网络数据流密度的增量子空间数据挖掘算法，在算法中先对复杂网络的数据流密度进行分析，并根据不同网络的数据流密度来划分社区，进行无向环路遍历来确定数据流的所属社区。再通过增量子空间数据挖掘算法来计算社区网络与数据流的相关度以及数据流所经过的节点与时间的相关系数，从而准确确定目标数据流所处的节点。通过仿真实验结果和数据分析表明，增量子空间数据挖掘算法的数据挖掘精度在节点、社区数较多的情况下仍达到了较高的挖掘精度。 关键词：复杂网络；数据挖掘；数据流密度；增量子空间； 中图分类号 TP311.12 文献标识码 A Incremental subspace data mining method based on data stream density of complex network Hou Yan1, Li Wei1, Wen Qiao-nong2 (1 School of Computer Science and Technology, Zhoukou Normal University, Zhoukou Henan 466001, China; 2 School of Information Engineering, Southwest University of Science and Technology Sichuan, Mianyang, 621010, China) Abstract：In order to improve the accuracy of large-scale data-stream mining in complex networks, an incremental subspace data mining method based on data stream density of complex network is proposed in this paper. The data stream density of HYPERLINK javascript:void(0);complex HYPERLINK javascript:void(0);network in the algorithm is firstly analyzed, and then the data stream density of different networks is divided into different communities, so that the HYPERLINK javascript:void(0);undirected traversing loop is adopted to determine their HYPERLINK javascript:void(0);corresponding communities of data-flow. The incremental subspace data-mining algorithm is also adopted to calculate the correlation between community network and data-stream and the correlation coefficient between data-stream node and time so as to accurately determine the nodes of