37、数据聚类与社区发现算法研究

数据聚类与社区发现算法研究

一、新型谱集成聚类算法 LSMC - EPMC

在数据聚类领域，提出了一种名为 LSMC - EPMC 的集成算法，该算法融合了多个学习器和方法。
1. 算法原理
- 结合拉普拉斯特征映射谱聚类 ：在优化过程中更新个体位置。
- 运用蒙特卡罗统计数据理论 ：模拟聚类中心点，以逼近最优解。
2. 实验对比
- 评估标准 ：使用四个标准来衡量包括 LSMC - EPMC 在内的八种聚类算法的性能，同时采用 Friedman 检验分析算法排名。
- 结果分析
- 聚类数量标准（ClusNum） ：LSMC - EPMC 算法在大多数数据集上优于包括 EPMC 在内的其他五种算法。
- 运行时间标准（Time） ：LSMC - EPMC 算法速度比两种半监督学习方法差，但在大多数数据集上，其 Friedman 排名高于其他三种经典算法和 EPMC。
- 适应度标准 ：LSMC - EPMC 算法的 Friedman 排名优于其他七种算法。