去噪处理下的复杂网络聚类优化模型研究
2022-04-19姜广坤裴洲奇
计算机仿真 2022年3期
关键词:模型
姜广坤,裴洲奇
(大连海洋大学应用技术学院,辽宁 大连 116300)
1 引言
复杂网络是描述复杂系统的重要工具,对研究复杂系统具有较大的推动作用[1-2]。通过复杂网络的研究,人类可以更好地掌握和了解互联网的发展特点。21世纪是信息时代,互联网对国家的经济发展和国防建设等方面都产生了巨大的影响,更是与人类的生活密不可分。
现阶段,复杂网络的构建成为当前的研究热点,但是仍然存在很多问题需要相关专家进一步进行探索,例如加权复杂网络聚类结果不准确以及运行速度较慢等。为此,国内相关专家进行了大量研究,同时给出了一些较好的研究成果,例如郭圣等人[3]在深度自编码器中加入空间聚类的“自我表示”特性以及加权稀疏表示,进而实现空间聚类。段佳勇等人[4]通过自适应算法组建无标度网络改进模型,根据计算获取关联度的最优值和网络参数取值,进而获取理想的网络模型。同时进一步对自适应算法中的关联度进行数据学分析,进而实现网络模型聚类。在以上两种模型的基础上,提出一种基于空间关联性的加权复杂网络聚类模型。经实验测试结果表明,所提模型不仅可以有效提升聚类质量和聚类精度,同时还可以提升聚类速度。
2 加权复杂网络聚类方法
2.1 基于空间关联性的加权复杂网络数据去噪
针对不规则的网络构建投影高度图,建立局部三维坐标系,将邻域点集投影至坐标系中,进而获取投影高度。……
登录APP查看全文
