ESYN：基于动态模型的高效同步聚类算法

董学文; 杨超; 盛立杰; 马建峰

doi:10.3969/j.issn.1000-436x.2014.z2.012

您当前的位置：

首页 >

文章列表页 >

ESYN：基于动态模型的高效同步聚类算法

学术论文 | 更新时间：2024-06-05

- ESYN：基于动态模型的高效同步聚类算法
- ESYN:efficient synchronization clustering algorithm based on dynamic synchronization model
- 通信学报 2014年35卷第Z2期页码：86-93
- 作者机构：
  
  西安电子科技大学计算机网络与系统安全陕西省重点实验室，陕西西安 710071) 2.西安电子科技大学计算机学院，陕西西安 710071
- 作者简介：
  
  [ "董学文（1981-），男，湖北黄冈人，博士，西安电子科技大学副教授，主要研究方向为Web数据挖掘、社交网络信息分析、无线网络安全。" ]
  [ "杨超（1979-），男，陕西西安人，博士，西安电子科技大学副教授、硕士生导师，主要研究方向为移动互联网、无线网络安全。" ]
  [ "盛立杰（1976-），男，山西大同人，博士，西安电子科技大学副教授、硕士生导师，主要研究方向为未来互联网体系结构、软件定义网络SDN、移动互联网。" ]
  [ "马建峰（1963-），男，陕西西安人，博士，西安电子科技大学教授、博士生导师，主要研究方向为移动互联网、网络安全、密码学。" ]
- 基金信息：
  
  长江学者和创新团队发展计划基金资助项目(IRT1078);国家科技部重大专项基金资助项目(2011ZX03005-002);国家自然科学基金青年基金资助项目(61303219);陕西省自然科学基金资助项目(2014JQ8297);陕西省自然科学基金资助项目(2014JQ8295);中央高校基本科研业务费专项基金资助项目(Y10000903006);中央高校基本科研业务费专项基金资助项目(K5051303007)
- DOI：10.3969/j.issn.1000-436x.2014.z2.012
  中图分类号： TP181
- 网络出版日期：2014-11，
  
  纸质出版日期：2014-11-30
- 稿件说明：
移动端阅览
董学文, 杨超, 盛立杰, 等. ESYN：基于动态模型的高效同步聚类算法[J]. 通信学报, 2014,35(Z2):86-93.

Xue-wen DONG, Chao YANG, Li-jie SHENG, et al. ESYN:efficient synchronization clustering algorithm based on dynamic synchronization model[J]. Journal on communications, 2014, 35(Z2): 86-93.
董学文, 杨超, 盛立杰, 等. ESYN：基于动态模型的高效同步聚类算法[J]. 通信学报, 2014,35(Z2):86-93. DOI： 10.3969/j.issn.1000-436x.2014.z2.012.

Xue-wen DONG, Chao YANG, Li-jie SHENG, et al. ESYN:efficient synchronization clustering algorithm based on dynamic synchronization model[J]. Journal on communications, 2014, 35(Z2): 86-93. DOI： 10.3969/j.issn.1000-436x.2014.z2.012.

摘要

基于动态同步模型，提出一种高效同步聚类ESYN算法。首先，根据非矢量网络的局部结构信息，提出节点相似度的定义，以准确描述节点间的链接密度；其次，利用OPTICS算法进行矢量化预处理，将非矢量网络转换为一维坐标序列；最后，在通用 Kuramoto 动态同步模型中，增加基于全局信息的耦合强度分析，同时不断增加同步半径，自动选取最优的聚类结果。在大量人工合成数据集和真实数据集上的实验结果表明算法聚类准确率较高。

Abstract

Clustering is an important research field in data mining.Based on dynamical synchronization model

an efficient synchronization clustering algorithm ESYN is proposed.Firstly

based on local structure information of a non-vector network

a new concept vertex similarity is brought up to describe the link density between vertices.Secondly

the network is vectoried by OPTICS algorithm and turned into one-dimensional coordination sequence.Finally

global coupling analysis is applied to generalized Kuramoto synchronization model

synchronization radius is increased and the optimal clustering result is automatically selected.The experimental results on a large number of synthetic and real-world networks show that proposed algorithm achieves high accuracy.

关键词

Keywords

references

GUAN J , GAN Y , WANG H . Discovering pattern-based subspace clusters by pattern tree [J ] . Knowledge-Based Systems , 2009 , 22 ( 8 ): 569 - 579 .

ZHU S , WANG D , LI T . Data clustering with size constraints [J ] . Knowledge-Based Systems , 2010 , 23 ( 8 ): 883 - 889 .

ESTER M , KRIEGEL H P , SANDER J , et al . A density-based algorithmfor discovering clusters in large spatial databases with noise [A ] . Proceedings of the 2nd International Conference on Knowledge Discovery and Data Mining [C ] . 1996 . 226 - 231 .

KARYPIS G , HAN E H , KUMAR V . Chameleon:hierarchical clusteringusing dynamic modeling [J ] . Computer , 1999 , 32 ( 8 ): 68 - 75 .

NEWMAN M E , GIRVAN M . Finding and evaluating community structurein networks [J ] . Physical review E , 2004 , 69 ( 2 ):026113.

CLAUSET A , NEWMAN M E , Moore C . Finding community structure invery large networks [J ] . Physical review E , 2004 , 70 ( 6 ): 6111 - 6116 .

LEUNG I X , HUI P , LIO P , et al . Towards real-time communitydetection in large networks [J ] . Physical Review E , 2009 , 79 ( 6 ): 6107 - 6117 .

NEWMAN M . Detecting community structure in networks [J ] . The European Physical Journal B-Condensed Matter and Complex System , 2004 , 38 ( 2 ): 321 - 330 .

DEKKER A H , TAYLOR R . Synchronization properties of trees in the Kuramoto model [J ] . SIAM Journal on Applied Dynamical Systems , 2013 , 12 ( 2 ): 596 - 617 .

BÖHM C , PLANT C , SHAO J , et al . Clustering by synchronization [A ] . Proceedings of the 16th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining [C ] . 2010 . 583 - 592 .

黄健斌 , 白杨 , 康剑梅 , 等 . 一种基于同步动力学模型的网络社团发现方法 [J ] . 计算机研究与发展 , 2012 , 49 ( 10 ): 2198 - 2207 .

HUANG J B , BAI Y , KANG J M , et al . A network community detection method based on dynamic model of synchronization [J ] . Journal of Computer Research and Development , 2012 , 49 ( 10 ): 2198 - 2207 .

ANKERST M , BREUNIG M M , KRIEGEL H P , et al . OPTICS:orderingpoints to identify the clustering structure [J ] . ACM SIGMOD Record , 1999 , 28 ( 2 ): 49 - 60 .

KITSAK M , GALLOS L K , HAVLIN S , et al . Identification of influential spreaders in complex networks [J ] . Nature Physics , 2010 , 6 ( 11 ): 888 - 893 .

BRYAN K , LEISE T . The $25,000,000,000 eigenvector:The linear algebrabehind Google [J ] . Siam Review , 2006 , 48 ( 3 ): 569 - 581 .

GIRVAN M , NEWMAN E . Community structure in social and biologicalnetworks [J ] . PNAS , 2002 , 99 ( 12 ): 7821 - 7826 .

ZACHARY W W . An informationflow model for conflict and fission in small groups [J ] . Journal of anthropological research , 1977 , 33 ( 4 ): 452 - 473 .

VINH N X , EPPS J , BAILEY J . Information theoretic measures for clusterings comparison:is a correction for chance necessary [A ] . Proceedings of the 26th Annual International Conference on Machine Learning [C ] . ACM , 2009 . 1073 - 1080 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于相似度加速的自适应聚类联邦学习

机器学习在信道建模中的应用综述

基于边介数模型的差分隐私保护方案

密码芯片基于聚类的模板攻击

基于聚类匿名化的差分隐私保护数据发布方法