隨著科學(xué)技術(shù)的日新月異,現(xiàn)今人們獲取數(shù)據(jù)的能力也越來越強(qiáng),所獲取的數(shù)據(jù)往往具有規(guī)模大、維度高、多視角和多樣化等特征,如何從數(shù)據(jù)中分析出有意義、有價(jià)值的信息尤為顯得重要。對(duì)數(shù)據(jù)的分析,需要揭示數(shù)據(jù)中內(nèi)在的復(fù)雜性和真實(shí)維度,并且能覆蓋數(shù)據(jù)的全局和局部結(jié)構(gòu)特征,而子空間表示算法恰好能夠從高維數(shù)據(jù)中挖掘出數(shù)據(jù)潛在的低維數(shù)據(jù)結(jié)構(gòu)特征,是一種有效的處理高維數(shù)據(jù)的方法。近年來,子空間表示的相關(guān)問題已成為學(xué)者們的研究熱點(diǎn),比如基于稀疏表示、低秩表示和Frobenius范數(shù)約束的子空間表示算法等,在分析高維和多視角數(shù)據(jù)時(shí)都取得了一定的成效,但是,該類算法仍然存在對(duì)數(shù)據(jù)的挖掘不夠深入和應(yīng)用不夠廣泛的問題。對(duì)于多視角數(shù)據(jù),現(xiàn)有的多視角子空間聚類算法,在協(xié)調(diào)利用所有視角的數(shù)據(jù)信息時(shí),仍然存在不足,從而,造成算法的性能不夠好。此外,社區(qū)網(wǎng)絡(luò)數(shù)據(jù)也是一種復(fù)雜的高維數(shù)據(jù),在本文中進(jìn)一步將子空間表示應(yīng)用于分析社區(qū)網(wǎng)絡(luò)數(shù)據(jù)。在每個(gè)社區(qū)中的節(jié)點(diǎn)可以看成是在測(cè)地線空間中張成的一個(gè)子空間,目前對(duì)基于子空間表示的社區(qū)檢測(cè)算法研究依然不夠充分,而已有的相關(guān)算法對(duì)網(wǎng)絡(luò)中的噪聲很敏感,缺乏準(zhǔn)確學(xué)習(xí)社區(qū)結(jié)構(gòu)的能力。針對(duì)上述問題,本文的... 

【文章來源】：安徽大學(xué)安徽省 211工程院校

【文章頁數(shù)】：72 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

LRR算法自動(dòng)糾正數(shù)據(jù)中錯(cuò)誤的能力驗(yàn)證Fig2.2TheabilityofLRRalgorithmtoautomaticallycorrecterrorsindata

安徽大學(xué)碩士學(xué)位論文37第五，驗(yàn)證參數(shù)設(shè)置對(duì)算法性能的影響。MVSS用參數(shù)和平衡數(shù)據(jù)表示矩陣和相似性矩陣。我們測(cè)試隨著兩個(gè)參數(shù)的變化，用S和Z*構(gòu)建的兩個(gè)圖的聚類性能。為了方便起見，我們隨機(jī)的選取了在數(shù)據(jù)集Handwrittennumerals(HW)上實(shí)驗(yàn)，近鄰數(shù)k根據(jù)之前做實(shí)驗(yàn)的經(jīng)驗(yàn)設(shè)置為6，參數(shù)和設(shè)置的范圍為{0.1,5,10,20,50}。在圖3.3，(a)和(b)展示了用圖G1聚類，其評(píng)價(jià)指標(biāo)ACC和NMI的隨著參數(shù)變化而變化的情況，(c)和(d)展示了用圖G2聚類，其評(píng)價(jià)指標(biāo)ACC和NMI的變化情況。從圖(a)和(b)中可以看出，當(dāng)用圖G1且參數(shù)=0.1時(shí)，評(píng)價(jià)指標(biāo)值相對(duì)較低，除此之外，當(dāng)參數(shù)設(shè)置在一個(gè)較大的范圍變化時(shí)，實(shí)驗(yàn)結(jié)果都非常穩(wěn)定。將(a)(b)和(c)(d)相比較，圖(a)(b)對(duì)參數(shù)更加敏感，這也證明了我們算法中使用數(shù)據(jù)表示矩陣和相似性矩陣構(gòu)建的圖更加魯棒，對(duì)于高維數(shù)據(jù)中潛在的低維數(shù)據(jù)結(jié)構(gòu)學(xué)習(xí)的效果更好。圖3.3MVSC算法參數(shù)的變化對(duì)聚類結(jié)果的影響Fig3.3TheinfluenceofMVSCalgorithmparametersonclusteringresults

第四章基于魯棒子空間表示的社區(qū)檢測(cè)40高的節(jié)點(diǎn)更傾向于聚類到同一個(gè)社區(qū)中；第二步，用S作為數(shù)據(jù)輸入，應(yīng)用于子空間表示的相關(guān)聚類模型中，學(xué)習(xí)網(wǎng)絡(luò)的低維數(shù)據(jù)結(jié)構(gòu)，像SSCF[48]和LRSCD[49]算法就是分別學(xué)習(xí)數(shù)據(jù)的稀疏和低秩表示；第三步，將子空間表示矩陣和鄰接矩陣A融合，再聚類劃分出網(wǎng)絡(luò)中的社區(qū)。圖4.1基于子空間聚類的社區(qū)檢測(cè)算法概述Fig4.1Anoverviewofcommunitydetectionalgorithmbasedonsubspaceclustering4.3算法實(shí)現(xiàn)這部分將介紹我們提出的算法的具體實(shí)現(xiàn)，首先是對(duì)原始網(wǎng)絡(luò)數(shù)據(jù)的處理，接著，將網(wǎng)絡(luò)社區(qū)數(shù)據(jù)表示應(yīng)用到自加權(quán)的魯棒子空間表示算法中，學(xué)習(xí)數(shù)據(jù)的低維子空間表示，最后，總結(jié)算法實(shí)現(xiàn)的關(guān)鍵步驟。4.3.1網(wǎng)絡(luò)數(shù)據(jù)處理已知給定網(wǎng)絡(luò)G，共有n個(gè)節(jié)點(diǎn)，m個(gè)連接，則其可用鄰接矩陣Ann表示，如果兩個(gè)節(jié)點(diǎn)iv和jv之間有邊連接，則對(duì)應(yīng)鄰接矩陣A(i,j)1，否則，A(i,j)0。鄰接矩陣A的每一列都記錄著相應(yīng)節(jié)點(diǎn)與其他節(jié)點(diǎn)之間的關(guān)系，比如，鄰接矩陣A中第i列向量Ai表示：第i個(gè)節(jié)點(diǎn)vi與其他所有節(jié)點(diǎn)是否有聯(lián)系。很好的刻畫了iv這個(gè)節(jié)點(diǎn)的與其他節(jié)點(diǎn)的直接關(guān)系，但對(duì)于距離超過一個(gè)連接的節(jié)點(diǎn)數(shù)據(jù)來說，用鄰接矩陣A就不能描述它們之間的聯(lián)系了。如果單純的用鄰接矩陣來刻畫數(shù)據(jù)的結(jié)構(gòu)，對(duì)于有直接連線數(shù)據(jù)對(duì)來說是很準(zhǔn)確的，但是如果想要刻畫整體數(shù)據(jù)的結(jié)構(gòu)，還需要進(jìn)一步的進(jìn)行轉(zhuǎn)換�；谝呀�(jīng)獲得的網(wǎng)絡(luò)數(shù)據(jù)的鄰接矩陣，計(jì)算節(jié)點(diǎn)間的測(cè)地線距離。測(cè)地線距離是表示兩個(gè)節(jié)點(diǎn)間的最短路徑，因?yàn)檫@里我們用的是不加權(quán)的網(wǎng)絡(luò)，所以，測(cè)地線距離就是兩個(gè)節(jié)點(diǎn)間的最短路徑上的連接數(shù)。目前有許多快速計(jì)算測(cè)地線距離的算法[23]，能高效地進(jìn)行計(jì)算。用矩陣Pnn表示我們計(jì)算得到的測(cè)地線距離矩陣，對(duì)于矩陣P的第i列


本文編號(hào)：3298321