公开(公告)号：CN109859062A

公开(公告)日：2019-06-07

申请号：CN201910016432.4

申请日：2019-01-08

Applicant: 西安理工大学

Inventor： 费蓉 ,  沙静原 ,  王战敏 ,  李爱民 ,  吴昊铮 ,  王勇超 ,  王学宇

IPC: G06Q50/00 ,  G06F17/16 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种结合深度稀疏编码器和拟牛顿法的社区发现分析方法，包括步骤：对图G＝(V,E)，V＝{v1，v2，…vi，…vn}，V代表节点集，E代表边集，vi代表节点，n为节点数量，求得图G的邻接矩阵的相似度矩阵S；将S作为输入，利用深度稀疏自动编码器进行训练，最后输出低维特征矩阵ST；对ST进行聚类实现社区发现。本发明利用跳数构造出邻接矩阵的相似度矩阵，随后基于无监督学习的方式构建深度稀疏自动编码器实现降维，提取出特征结构，最后通过k-means进行聚类生成社区，通过相似度矩阵的计算可以在小数据集上提高聚类准确度，再使用深度稀疏自动编码器可以进一步提高在大数据集上的聚类准确度。