去噪处理下的复杂网络聚类优化模型研究

由于现有模型无法对加权后的复杂网络数据进行去噪，网络聚类结果和聚类质量都不理想，聚类的实际运行时间增加。提出了一种基于空间相关性的加权复杂网络聚类模型。利用正态张量投票技术建立投影过程中的局部坐标系，得到网络编码的局部几何结构。利用相邻节点间感知数据的空间相关性对噪声数据进行过滤。同时，通过坐标更新算法调整噪声点的位置，对复杂网络数据进行去噪处理。加权复杂网络将数据从输入空间非线性映射到特征空间，得到网络的特征向量，利用谱聚类算法建立加权复杂网络聚类模型，并通过随机梯度下降法对模型进行优化，实现网络聚类。仿真结果表明，该模型能够获得高精度的聚类结果，有效地减少了聚类的实际运行时间，提高了聚类质量。