论文部分内容阅读
为保证在不牺牲精度的前提下加快大规模图聚类速度,将稀疏化思想引入图聚类中,在大图聚类之前增加一个稀疏化图的环节,稀疏化之后的图能够很好地保持原始图中各类结构,可实现在更小规模数据集上进行图聚类以提高运行速度。针对DBLP数据集构成的图,分别在原始图和稀疏化图上使用k-medoids图聚类算法,比较其运行时间和聚类精度,实验结果表明,在稀疏化图上进行聚类,可大大缩短运行时间,聚类精度并没有降低,实验分类情况和实际情况相吻合,取得了很好的聚类效果。