【摘要】：針對(duì)圖數(shù)據(jù)挖掘效率低、精度低等問(wèn)題,提出基于環(huán)型網(wǎng)絡(luò)模體應(yīng)用馬爾科夫聚類(lèi)的圖挖掘模型.首先,依據(jù)輸入圖的點(diǎn)集,采用Erd o″s-Rényi模型生成隨機(jī)圖,在輸入圖和隨機(jī)圖的子圖挖掘過(guò)程中利用向量的加法性質(zhì)判定環(huán)型子圖,計(jì)算網(wǎng)絡(luò)模體的統(tǒng)計(jì)特征,判斷子圖是否為網(wǎng)絡(luò)模體.然后,求解圖中邊的絕對(duì)貢獻(xiàn)值關(guān)聯(lián)矩陣,通過(guò)動(dòng)態(tài)閾值法求得閾值,二值化處理該矩陣.最后,對(duì)已稀疏化的圖進(jìn)行擴(kuò)張和膨脹操作,使其達(dá)到收斂狀態(tài).實(shí)驗(yàn)表明,文中模型有效減少運(yùn)行時(shí)間,在保證聚類(lèi)質(zhì)量同時(shí)提高圖挖掘效率.
[Abstract]:Aiming at the problems of low efficiency and low precision of graph data mining, a graph mining model based on Markov clustering based on ring network motifs is proposed. Firstly, according to the point set of the input graph, the random graph is generated by using the Erd o "s-R 茅 nyi model. In the process of mining the input graph and the subgraph of the random graph, the loop subgraph is determined by the additive property of the vector, and the statistical characteristics of the network motif are calculated. Determines whether the subgraph is a network motif. Then, the absolute contribution matrix of the edges in the graph is solved, and the threshold is obtained by the dynamic threshold method, and the matrix is treated by binarization. Finally, dilatation and expansion operations are performed on the sparse graphs to make them converge. The experimental results show that the model can effectively reduce the running time and improve the efficiency of graph mining while ensuring the clustering quality.
【作者單位】： 遼寧師范大學(xué)計(jì)算機(jī)與信息技術(shù)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(No.61373127) 遼寧省高等學(xué)校優(yōu)秀人才支持計(jì)劃項(xiàng)目(No.LR2015033) 遼寧省科技計(jì)劃項(xiàng)目(No.2013405003) 大連市科技計(jì)劃項(xiàng)目(No.2013A16GX116)資助~~
【分類(lèi)號(hào)】：O157.5;TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 韓光文;脈沖傳遞函數(shù)陣的有限馬爾科夫參數(shù)實(shí)現(xiàn)[J];華中工學(xué)院學(xué)報(bào);1986年03期

2 高山珍,李俊紅,解建軍;7維廣義馬爾科夫方程的解[J];貴州教育學(xué)院學(xué)報(bào)(自然科學(xué));2000年02期

3 高山珍,高靜偉;廣義馬爾科夫方程解的存在性[J];河北職業(yè)技術(shù)師范學(xué)院學(xué)報(bào);2003年03期

4 蘇濤;詹原瑞;劉家鵬;李杰;;基于馬爾科夫轉(zhuǎn)換下的資本資產(chǎn)定價(jià)模型[J];系統(tǒng)管理學(xué)報(bào);2007年03期

5 周丹;袁永博;;基于分類(lèi)思想的灰色馬爾科夫建設(shè)用地預(yù)測(cè)[J];建筑經(jīng)濟(jì);2011年S1期

6 包景東;隨機(jī)振蕩中的非馬爾科夫效應(yīng)[J];自然雜志;1992年05期

7 李文清,曹力,吳大進(jìn);非馬爾科夫多值噪聲驅(qū)動(dòng)下系統(tǒng)的平均第一通過(guò)時(shí)間[J];華中理工大學(xué)學(xué)報(bào);1992年06期

8 楊春巍;馬爾科夫質(zhì)量控制模型[J];重慶建筑大學(xué)學(xué)報(bào);1997年01期

9 劉丹紅,張世英,蘇為東;馬爾科夫轉(zhuǎn)換的資本資產(chǎn)定價(jià)模型及其最大似然估計(jì)[J];天津大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2003年04期

10 ;馬爾科夫轉(zhuǎn)移矩陣法的涵義[J];科技智囊;2006年02期

相關(guān)重要報(bào)紙文章 前1條

1 記者 吳長(zhǎng)鋒;時(shí)而馬爾科夫 時(shí)而非馬爾科夫[N];科技日?qǐng)?bào);2011年

相關(guān)博士學(xué)位論文 前3條

1 劉倩;基于貝葉斯統(tǒng)計(jì)的基因非編碼區(qū)與模體識(shí)別問(wèn)題研究[D];西安電子科技大學(xué);2014年

2 李繁飆;半馬爾科夫跳變系統(tǒng)的分析和綜合[D];哈爾濱工業(yè)大學(xué);2015年

3 龍少華;奇異時(shí)滯馬爾科夫系統(tǒng)的容許性問(wèn)題研究[D];電子科技大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 李俊;基于MapReduce的軟件網(wǎng)絡(luò)模體查找算法研究[D];東北大學(xué);2014年

2 楊志楓;原核生物調(diào)控模體預(yù)測(cè)與分析[D];山東大學(xué);2016年

3 唐華陽(yáng);復(fù)雜網(wǎng)絡(luò)模體挖掘算法研究[D];昆明理工大學(xué);2016年

4 孫圣波;基于三角模體的社團(tuán)發(fā)現(xiàn)算法研究與應(yīng)用[D];南京理工大學(xué);2017年

5 丁萬(wàn)祥;基于網(wǎng)絡(luò)模體的信號(hào)放大研究[D];江蘇師范大學(xué);2017年

6 喬鐵;帶半馬爾科夫切換的隨機(jī)系統(tǒng)的指數(shù)穩(wěn)定性[D];鄭州大學(xué);2015年

7 顏秋林;廣義時(shí)滯馬爾科夫跳變系統(tǒng)的控制與濾波[D];重慶大學(xué);2016年

8 余劍林;一類(lèi)具有馬爾科夫性的跨期重復(fù)選擇問(wèn)題的研究[D];華中科技大學(xué);2015年

9 路鑫;馬爾科夫切換下隨機(jī)延遲微分方程數(shù)值解的收斂性和穩(wěn)定性[D];華中科技大學(xué);2015年

10 丁琴;具有可控MTPM的離散馬爾科夫跳躍系統(tǒng)控制問(wèn)題研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

，

本文編號(hào)：2263093