南京航空航天大学学报

作者：何萍，姜玉麟，徐晓华，林惠惠，葛方毅，方威，仁祥

单位：扬州大学信息工程学院， 扬州 225009；,扬州大学信息工程学院， 扬州 225009；,扬州大学信息工程学院， 扬州 225009；,扬州大学信息工程学院， 扬州 225009；,扬州大学信息工程学院， 扬州 225009；,扬州大学信息工程学院， 扬州 225009；,扬州大学信息工程学院， 扬州 225009；

关键词：演化数据;时间平滑性;Bregman散度;谱聚类

基金：国家自然科学基金（61402395）资助项目；江苏省自然科学基金（BK20201430，BK20151314，BK20140492）资助项目。

传统的聚类算法一般只适用于静态数据的处理，而真实世界的数据往往数据量大且变化多，静态的聚类算法不能为动态数据提供其演化规律的分析学习。演化数据的聚类，一方面要正确反映每一时刻数据的合理簇划分，另一方面又要使动态的聚类结果在演化过程中尽可能平滑。本文提出了一种自适应时间平滑的演化聚类框架，该模型考虑到当前时刻数据与历史时刻数据的未知关联，通过限定时间回溯的范围，自适应地寻找与当前快照最相关的历史快照，并通过有机融合基于Itakura-Saito距离的静态相似度和基于时间序列的动态相似度，计算各个时间片快照上的相似度矩阵。本文进一步提出了两种自适应时间平滑的演化谱聚类算法，从不同的角度定义时间代价，得到不同的演化聚类结果。在真实数据集上的实验表明这两种算法能够有效地利用历史数据，在聚类结果上准确性更高，时间平滑性也更好。

来源：2021年第5期

《南京航空航天大学学报》期刊编辑部

查看南京航空航天大学学报杂志2021年第5期