基于回归模型网络中的社区检测对车队实体进行分组

本文研究基于实体行为对车队中的实体进行分组。每个实体的行为由其历史数据集刻画，该数据集包含一个因变量（通常为性能指标）和多个自变量（通常为运行条件）。利用该数据集构建的回归模型作为实体行为的代理。一个实体模型相对于另一实体数据集的验证误差被用作衡量两个实体行为差异的度量。基于行为对实体进行分组被表述为一个图聚类问题，其中节点表示回归模型，边权重由验证误差给出。具体而言，我们在该图中寻找社区，其内部边连接稠密而外部边连接稀疏。提出了一种评估分组质量并确定最优划分数量的方法。所提出的算法和度量通过合成数据应用进行了说明。