中位数证据c均值算法及其在社区发现中的应用
人工智能
2015-01-08 v1 社会与信息网络
摘要
中位数聚类对于划分关系数据具有重要价值。在本文中，提出了一种称为中位数证据c均值（Median Evidential C-Means, MECM）的新的基于原型的聚类方法，它是在信念函数理论框架下对中位数c均值和中位数模糊c均值的扩展。中位数变体放宽了对对象度量空间嵌入的限制，但约束原型必须在原始数据集中。由于这些性质，MECM可应用于图聚类问题。研究了一种基于MECM的社交网络社区发现方案，所获得的图的置信划分比硬划分和模糊划分更精细，使我们能更好地理解图结构。提出了一种基于证据半中心性的初始原型选择方案以避免局部早熟收敛，并定义了证据模块度函数以选择最优社区数量。最后，在合成和真实数据集上的实验说明了MECM的性能并展示了其与其他方法的区别。
引用
@article{arxiv.1501.01460,
title = {Median evidential c-means algorithm and its application to community detection},
author = {Kuang Zhou and Arnaud Martin and Quan Pan and Zhun-Ga Liu},
journal= {arXiv preprint arXiv:1501.01460},
year = {2015}
}