基于不确定图层次聚类算法研究.docVIP

基于不确定图层次聚类算法研究 　　[摘 要] 传统的基于图论的层次聚类算法都是对确定图进行分割，然而实际中，很多网络的图结构都是不确定的，边是以概率存在的。因此，本文提出了基于不确定有向加权图的层次聚类算法。该算法首先求出不确定图的可能强连通子图作为聚类中心，再对剩余节点进行层次聚类。算法主要考虑边的权重和存在概率。最后以一个例子说明算法的流程。 　　[关键词] 不确定图； 有向加权图； 聚类中心； 层次聚类 　　doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2012 . 24. 048 　　[中图分类号] TP311 [文献标识码] A [文章编号] 1673 - 0194（2012）24- 0079- 02 　　图的聚类算法是从节点开始的，一般的过程是：先是把图中的每一个节点都初始化成一个子图，图中有多少节点，就形成多少子图，设计一种子图间相似度或距离计算方法，定义子图之间的相似度或距离，以及凝聚过程的结束条件[1]。首先计算每个子图对之间的相似度，合并相似度最高，距离最近的子图成一个新的子图，再重新计算所有子图对之间的相似度或者距离数值，将此过程不断重复，直到达到过程结束条件，最终得出整个图的层次结构。聚类结果可以用树状图来表示，这种方式可以清晰看出各种不同需求下得到的划分结果。 　　主要的层次聚类算法包括Girvan和Newman[2]提出的基于边的介数的聚类算法，Newman[3]为解决大规模网络提出的快速算法，以及CURE算法[4]和Chameleon算法[5]等，近年来，许多研究者改进了传统的层次聚类算法。例如，王小黎[6]等对相似度度量和时间复杂度进行改进，提出了基于相异度度量的凝聚聚类方法，采用曼哈坦距离作为节点相似性度量，并且证明了该方法的有效性。于慧娟[7]等提出了一种基于社团结构核心区域集的图聚类方法，社团结构核心区域集是满足某些限制条件的完全子图的集合。同时分析了聚类过程，通过实验表明了该方法能提高聚类的精度。然而目前的基于图的层次聚类算法大部分都是在改进算法的运算效率以及结果的精度，很少有考虑到图自身的结构。以往的研究都是基于图的结构是完全确定的，并没有考虑图的结构可能是变化的。诸如一些信息流网络，由于信息流并不是确定存在的???是以某种概率存在的。本文在此基础上提出了基于不确定图的层次聚类算法，并且最后以一个例证来说明算法的流程。该算法的思想是初步提出，算法的精度及有效性将会在以后的工作中呈现。 　　1 不确定图的相关定义 　　假设一个不确定有向加权图为G = （V，E，W，Pr），其中V = {v1，v2，…，vn}是图中节点的集合，E是网络中有向边的集合E = {e11，e21，…，epq}，epq = （vp，vq）表示vp到vq之间相连的边，m表示网络中的边数，其中（vp，vq） ≠ （vq，vp）。W = {w11，w21，…，wpq}表示每条有向边的权值。Pr = {pr11，pr21，…，prpq}表示边存在的概率，其中prij∈（0，1]。在有向图中，（vp，vi）表示vp的出集，（vi，vp）表示vp的入集。 　　（1） 求出网络中所有强连通子图作为子图集。 　　（2） 删除强连通概率不满足θ的子图。 　　（3） 删除子图集中重叠交错的子图。 　　（4） 重复步骤（2）、（3），最终获得所有聚点中心。 　　网络的聚类中心结果并不是唯一的，但对于稳定的聚类算法，初始聚类中心并不会使聚类结果差异太大。也就是说，不同的初始聚类节点在算法条件下具有等价性。 　　2 层次聚类算法 　　聚类中心算法仅用于初始节点的计算，获得初始聚类中心之后，计算剩余节点到各个聚类中心的聚集程度，将聚集程度最高的节点归入到相应的聚类中心，逐步归类，直到循环完所有的剩余节点，形成第二层虚拟节点或介节点。然后再重新计算介节点之间的权重和存在概率，根据聚合度合并介节点，形成图的第三层，如此循环，直到合并成一个最高层的介节点为止。 　　在层次聚类之前，需要先定义节点到聚类中心的凝聚程度，以便将节点归纳到凝聚程度最高的聚类中心。以往的研究大部分都将节点间的最小距离作为合并的衡量标准，然而本文中需要考虑边的权重以及存在概率，因此需要重新定义节点凝聚的衡量标准。 　　定义3：给定图G = （V，E，W，Pr），其中V = {vi}，i = 1，…，n，E = {eij}，i ≠ j，eij ≠ eji，W = {wij}，Pr = {prij}以及聚类中心的集合H = {H1，H2，…，Hk}，Hi？奂G作为初始类，G中任意一不属于H的节点v与Hi的凝聚程度为： 　　其中，wij，prij分别表示节点vi到vj的边的权重和存在概率，vj属于聚类中心Hj。β 1是节点出集的影响因