[發明專利]一種時序網絡與時序數據的多態聚類方法

有效

• 申請號: 201410305660.0
• 申請日: 2014-06-27
• 公開（公告）號: CN104090940B
• 公開（公告）日: 2018-04-27
• 發明（設計）人: 付才;曲樹彥;韓蘭勝;劉銘;崔永泉;湯學明;駱婷;李敏
• 申請（專利權）人: 華中科技大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 華中科技大學專利中心42201
• 代理人: 梁鵬

1.一種針對時序網絡與時序數據的聚類方法，其特征在于，包括以下步驟：

(1)判斷數據形式，如果是時序網絡，則轉步驟(2)；如果是時序數據，則轉步驟(5)；

(2)將時序網絡按照設定時間間隔劃分為m個有序的靜態網絡；

(3)采用基于譜方法的靜態網絡映射方法，將每一個靜態網絡的頂點，映射到k維空間；一個有n個節點的靜態網絡可得到n×k的數據矩陣；若靜態網絡為非聯通圖，則通過加入虛擬節點的方式連接各聯通分支，以降低映射過程中導致網絡結構的損失；

(4)將m個靜態網絡映射得到的數據矩陣按順序拼接，得到數據矩陣M；M的每一行，為同一節點不同時刻映射值的順序組合，對節點不存在時對應維度的映射值用“-1”標記，“-1”表示節點缺失；

(5)處理數據矩陣M得到多態向量矩陣，包括3個趨勢向量矩陣，分別為范圍變化趨勢矩陣、疏密變化趨勢矩陣、強弱變化趨勢矩陣，和1個活躍度向量矩陣，活躍度向量矩陣由鄰域內變化節點的個數向量組合而成；

(6)利用同步化聚類算法，設置調節因子后，對所述數據矩陣M進行聚類，得到可調節的聯系聚類結果，所述同步化聚類算法為：

計算矩陣中任意兩個節點之間的距離：

其中，一個有m個時間片時序節點n_i，其坐標由一個1行2m列矩陣表示為：f(t)為調節因子，它是時間片t的函數，其中t取自然數，f(t)根據需求指定；

根據節點之間的距離，對矩陣中的節點進行聚類；

f(t)為以下三種取值之一：或其中n為時間片總數；

(7)利用同步化聚類算法，分別對三個趨勢向量矩陣聚類，得到三個有不同側重點的趨勢聚類結果，其中三個不同側重點分別為范圍趨勢、疏密趨勢、綜合強弱趨勢；所述三個趨勢向量矩陣，分別為范圍變化趨勢矩陣、疏密變化趨勢矩陣、強弱變化趨勢矩陣，所述范圍變化趨勢矩陣由所有節點的鄰域內節點數向量組成；其中，一個節點的鄰域內節點數向量是該節點各時刻鄰域內節點數的有序排列，共mˊ維，且節點數不包括所考查節點，它用于刻畫節點的聯系范圍；所述疏密變化趨勢矩陣是由所有節點的鄰域內節點平均距離向量組成；其中，一個節點的鄰域內節點平均距離向量是該節點各時刻鄰域內節點平均距離的有序排列，共mˊ維，它用于刻畫節點聯系的緊密程度；所述強弱變化趨勢矩陣是由所有節點的強弱向量組成；其中，一個節點的強弱向量通過該節點的鄰域內節點數向量和鄰域內節點平均距離向量得到，共mˊ維，每個維度的值為它用于反映節點與周圍節點聯系的強弱；

(8)利用同步化聚類算法，對活躍度向量矩陣聚類，得到活躍度聚類結果，所述活躍度向量矩陣由各節點鄰域內變化節點的個數向量組成，該向量是mˊ-1維向量，每個維度的值為相鄰時間片鄰域內發生變化節點的個數，即為增加節點的個數與減少節點的個數之和。

2.根據權利要求1所述的方法，其特征在于，所述步驟(3)中采用基于譜方法的靜態網絡映射，即將網絡圖中的每個頂點映射到一個k維空間中的對應點表示，這個頂點在k維空間中的坐標由它在其拉普拉斯矩陣的前k個非平凡特征向量方向上的映射得到。

3.根據權利要求1或2所述的方法，其特征在于，所述k的值取為2。