基于随机游走的数据聚类  

Data Clustering Based on Random Walk

作　　者：崔伟[1] 夏汛[1] 孙瑜鲁 

机构地区：[1]泸州职业技术学院,四川泸州 [2]四川大学电子信息学院,四川成都

出　　处：《数据挖掘》2017年第3期70-76,共7页Hans Journal of Data Mining

基　　金：川大-泸州战略合作科技项目(2015CDLZ-S12)。

摘　　要：为了实现大数据量、复杂类型数据的聚类分析,本文运用随机游走算法是将数据集合映射为图,各个数据表示节点,用一个加权函数表示数据与数据之间的关系,该加权函数能根据相似性准则表示数据集中两个数据间的权重。在随机游走算法中,权重的大小代表了随机游走者从非种子点第一次到达某一种子点的偏好。最后根据最大转移概率实现聚类分析。结果表明随机游走算法在数值型数据的聚类分析中能够实现聚类。In order to realize the clustering analysis of large data volume and complex types of data, the random walk algorithm maps the data set into graphs, each data represents node, and uses a weighting function to represent the relationship between data and data. The similarity criterion indicates the weight between two data in the data set. In the random walk algorithm, the weight of the weight represents the random walker from the non-seed point for the first time to reach a seed point of preference. Finally, cluster analysis is realized according to the maximum transition probability. The results show that the random walk algorithm can achieve clustering in the clus-tering analysis of numerical data.

关 键 词：聚类分析 随机游走 权重函数 

分 类 号：TP39[自动化与计算机技术—计算机应用技术]