计算机工程

作者：孙登第, 凌媛, 丁转莲, 罗斌

单位：1. 安徽大学 计算机科学与技术学院, 合肥 230601;2. 安徽大学 互联网学院, 合肥 230039

关键词：高维数据,子空间聚类,稀疏表示,社团检测,复杂网络

基金：国家自然科学基金青年科学基金“基于子空间学习的多层网络社团协同检测研究”（61906002）；国家自然科学基金重点国际合作项目“遥感影像地面区域变化的结构化建模与检测方法研究”（61860206004）。

现有的子空间聚类方法大多只适用于单层网络，或者仅对多层网络中每层的聚类结果简单地进行平均，未考虑每层网络中包含信息量不同的特点，致使聚类性能受限。针对该问题，提出一种面向多层网络的稀疏子空间聚类方法。将距离正则项和非负约束条件集成到稀疏子空间聚类框架中，从而在聚类时能够同时利用数据的全局信息和局部信息进行图学习。此外，通过引入稀疏约束使学习到的图具有更清晰的聚类结构，并设计迭代算法进行优化求解。在多个真实数据集上的实验结果表明，该方法能够挖掘网络不同层的互补信息，得到准确的一致性联合稀疏表示，有效提高社团聚类性能。

来源：2021年第10期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第10期