不确定性人工智能 KJ12网络智能.ppt

* 四、网络化数据挖掘 * 相关数据选择 网络化数据挖掘 原始数据 社区发现与网络简约 网络化数据表征 拓扑性质分析:度数、介数和社区结构等 解释与评价 目标数据 网络拓扑 聚焦属性 发现模式 知识 * 网络化数据挖掘的基本思想 采用复杂网络的方法来建模，通过将大规模实际数据对象及对象间的关系映射为网络拓扑的形式，采用复杂网络的理论和方法，对网络化表示的数据进行分析和挖掘，最终发现蕴涵在其中的、反映事物间联系规律的信息和知识。 * 挖掘网络拓扑中的关键节点 挖掘网络拓扑中的典型拓扑 挖掘网络拓扑中的抱团结构 挖掘不同角色的社团成员 对网络进行简约，挖掘骨干网络 网络化数据挖掘的任务 * 1）挖掘网络拓扑中的关键节点 * 网络中不同角色的节点 超外围节点（Ultra-peripheral nodes ，黑色圆形） 外围节点（Peripheral nodes ，绿色三角形） 卫星连接器（Satellite connectors ，黄色方型） 散点（kinless nodes） 局部中心（Provincial Hubs） 中心连接器（Connector Hubs ，红色六边形） 全局中心（Global Hubs） 蛋白质交互网络C. elegans中不同角色的节点 * * 度数 介数 接近度 PageRank 拓扑势 节