一种基于结构和属性的图聚类算法研究

摘要 图是一种有效、简单而系统的建模方式，如何有效、准确的进行图聚类是目前的一个研究热点.本文提出一种基于结构和属性的图聚类算法，首先，针对传统kmeans算法对初始聚类中心敏感的问题，提出一种基于相似度的初始聚类中心算法，对结构—属性相似度矩阵的行进行求和，按照从大到小顺序提取前K个不重叠值所对应的顶点作为初始聚类中心；其次，提出一种动态属性权重确定方法，根据上一次迭代后的聚类结果，考虑属性的不同取值数量以及属性值的分布情况，确定下一轮聚类时顶点属性的权重；再次，利用动态属性权重，计算节点间的属性—结构相似度，进行kmeans聚类；最后，通过实验验证本文算法的正确性和有效性