[發明專利]基于優化的復雜網絡聚類方法

在審

• 申請號: 202011155952.2
• 申請日: 2020-10-26
• 公開（公告）號: CN112256935A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 張成雷;韓虎;田相克;王曉杰;張登博;劉佳佳;初豪杰
• 申請（專利權）人: 臨沂大學
• 主分類號: G06F16/906
• 分類號: G06F16/906;G06Q30/06
• 代理公司: 濟南泉城專利商標事務所 37218
• 代理人: 季英健

本發明公開了一種基于優化的復雜網絡聚類方法，屬于云3D打印領域，用于云3D打印平臺的優化，其包括網絡初始化→抽取特征向量權值→構造節點對集合→構造概念→概念做歸一化處理→計算節點對間的距離度量→計算邊界值→計算模塊復雜度→重復計算機電隊間的距離度量及邊界值，直至所有邊被刪除，得出復雜網絡的分類結果。鑒于上述技術方案，本發明能夠將訂單視為復雜網絡節點，將訂單與訂單之間的關聯關系視為復雜網絡的邊，通過優化復雜網絡的聚類方法實現云3D打印平臺中訂單任務分類任務分配策略的優化與提高，保證云3D打印服務成本的同時又能夠保證3D打印服務提供商在規定的時間段內完成某項訂單任務。

技術領域

本發明屬于云3D打印領域，具體地說，尤其涉及一種用于云3D打印平臺的基于優化的復雜網絡聚類方法。

背景技術

復雜網絡是由數量巨大的節點和節點之間錯綜復雜的關系共同構成的，因此，復雜網絡作為一個復雜拓撲結構特征的網絡，豈會出現在簡單網絡中沒有的特殊拓撲特性，這些特性僅僅在真實世界的網絡結構中存在，且其基本特征和規律性是不容易辨識的。

復雜網絡一般具有以下的特性：第一，小世界。它以簡單的措辭描述了大多數網絡進管規模很大但是任意兩個節(頂)點間卻有一條相當短的路徑的事實。第二、集群即集聚程度(Clustering coefficient)的概念。集群程度是網絡集團化的程度，這是一種網絡的內聚傾向。第三，冪律(Power law)的度分布概念。度是指與節點連接的邊數；度的相關性是指網絡邊的兩節點之間關系的關聯程度；度分布是指從圖中隨機選取一個節點其度為的概率，可記為P(k)。

具體到云3D打印平臺中，在云計算任務和虛擬計算機資源數量不相等的情況下，如何實現訂單分類任務的分配，在考慮到云3D打印服務成本以及確保云3D打印服務提供商能夠在規定時間段內完成某項打印訂單服務的情形下，如何指定訂單分類任務的分配策略，就需要用到基于優化的復雜網絡聚類方法。

發明內容

本發明的目的在于提供一種基于優化的復雜網絡聚類方法，其能夠將訂單視為復雜網絡節點，將訂單與訂單之間的關聯關系視為復雜網絡的邊，通過優化復雜網絡的聚類方法實現云3D打印平臺中訂單任務分類任務分配策略的優化與提高，保證云3D打印服務成本的同時又能夠保證3D打印服務提供商在規定的時間段內完成某項訂單任務。

為達到上述目的，本發明是通過以下技術方案實現的：

本發明中所述的基于優化的復雜網絡聚類方法，包括以下步驟：首先需要輸入待聚類的文檔、復雜網絡、已知must-link約束集合及cnnot-link約束集合的閾值，并進行如下步驟；

第一步：網絡初始化。

網絡初始化是將復雜網絡中的數據抽象成無向圖，并將無向圖轉化成N階矩陣A，并隨機選擇簇的數目k，并賦予網絡的初始值。網絡的初始值即為節點和邊的基本信息和屬性。

第二步：抽取特征向量權值。

假設特征詞的權重為f_t，則計算文檔各關鍵詞的特征向量權重W_i為W_i＝σ×μ×f_t×log(l+1)，其中σ是特征詞位置的加權系數，μ是語義分析加權系數，f_t是文檔中關鍵詞的頻率，l是關鍵詞特征之間的長度。

第三步：構造節點對集合。

根據約束規則，比較must-link節點對集合、cannot-link節點對集合進行比較，并判斷關鍵詞之間是否符合服務資源同義詞字典集和屬性字典的擴展要求，計算得出各種先驗知識，先驗知識為合理性形式。

第四步：構造概念。