改进的基于熵的中心聚类算法

依据基于熵的模糊聚类算法（EFC）,提出一种改进的基于熵的中心聚类算法,即通过EFC算法得到差异性十分明显的原始数据集的簇心,以这些簇心为中心再次进行聚类分析,通过各点到各中心的距离将各点重新分配到以各中心所代表的集合中。改进的算法不仅可以得到具有紧凑且差异明显的聚类结果,还可以使准确率得到有效提高。实验结果表明,该改进的算法能够实现数据集的有效聚类,相比于EFC算法的聚类结果准确率更高。     

一种基于结构相似性的图聚类算法

图聚类是发现网络中潜在结构的一项重要任务。提出一种基于结构相似性的图聚类算法GNSCAN,给出该算法的相关定义以及算法的执行过程。采用真实数据集对该算法进行测试,从理论分析及结果2方面证明GNSCAN算法在效率上比GN算法得到明显的提高。在GNSCAN算法的基础上,提出一种改进的GNSCAN算法IGNSCAN,算法时间复杂度得到进一步降低。