计算机应用

作者：薛状状, 李鹏, 樊卫北, 张宏俊, 孟凡朔

单位：1.南京邮电大学 计算机学院、软件学院、网络空间安全学院，南京 210023；2.南京邮电大学 网络安全与可信计算研究所，南京 210023

关键词：异构数据,多聚类,张量,张量距离,动态加权,社会物理信息系统

基金：国家自然科学基金资助项目(62102194);江苏省“六大人才高峰”高层次人才项目(RJFW?111)

基于张量的多聚类算法（TMC）在衡量属性重要性时忽略了对象张量内部属性组合的关联性，而且在不同的特征空间选择下，固定权重策略导致所选与未选择特征空间没有完全分离。针对上述问题，提出一种基于动态加权张量距离（DWTD）的多聚类算法（DWTD-MC）。首先，为提升各特征空间属性重要性衡量的准确性，建立了自-关联张量模型；其次，构建多视图权重张量模型，在不同特征空间选择下通过动态加权策略满足多聚类分析的需求；最后，使用DWTD衡量数据点的相似性，生成最终的多聚类结果。在真实数据集上的仿真实验结果表明，DWTD-MC在杰卡德指数（JI）、邓恩指数（DI）、DB指数（DB）和轮廓系数（SC）评价指标上均优于TMC等对比算法，而且可以在获得较高质量的聚类结果的同时，使各聚类结果之间保持较低的冗余度，满足多聚类分析的任务需求。

来源：2023年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第11期