基于合并分层聚类的网络拓扑推断算法  

Agglomerative Hierarchical Clustering Based Algorithm for Network Topology Inference

作　　者：张润生[1] 李艳斌[1] 李啸天[1] 

机构地区：[1]中国电子科技集团公司第五十四研究所,河北石家庄050081

出　　处：《电子学报》2013年第12期2346-2352,共7页Acta Electronica Sinica

基　　金：国家科技支撑计划(No.2011BAH24B04);中国博士后科学基金(No.20110490989)

摘　　要：针对HTE(Hierarchical Topology Estimation)算法计算复杂度较高的问题及其在节点相关性估计方差较大条件下性能下降的问题,提出基于合并分层聚类的网络拓扑推断算法.该算法采用自底向上的合并分层聚类,每次聚类仅使用与最大相关节点对有关的数据,相对HTE算法降低了运算复杂度;建立了改进的有限混合模型,增加了参数推断的有效数据,提高了算法的参数估计精度.仿真结果表明相对HTE算法,本文方法可以更快地推断出网络拓扑,且在节点相关性估计方差较大条件下,有更高的拓扑推断精度.Considering the high complexity of HTE （Hierarchical Topology Estimation ）and its performance degradation under the condition of large correlation estimation variance ,a method based on agglomerative hierarchical lustering is proposed .The method employs bottom-up agglomerative hierarchical clustering ,which only uses the data related to the node pair with the largest correlation ,so it has lower computation complexity than HTE .A modified finite mixture model is established ,increasing the amount of effective data ,which improves the accuracy of parameter estimation .The simulation demonstrates that the proposed method infers the topology more rapidly ,with higher accuracy when the correlation estimation variance is large .

关 键 词：拓扑推断 分层聚类 有限混合模型 期望最大化 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]