Fuzzy Overlapping Modularity Clustering for Symmetric-Tensor Based Graph

Yichen Sun

doi:10.1109/TFUZZ.2025.3596811

Fuzzy Overlapping Modularity Clustering for Symmetric-Tensor Based Graph

0

PRE

AI

DOI：10.1109/TFUZZ.2025.3596811

原文链接

原文求助

摘要

En 中文

现有图聚类方法仅能面向经典图数据，本研究作为首次尝试，聚焦于所提出的基于对称张量的图及其聚类算法。为此，定义了模糊重叠模块度的概念，并将其扩展为基于对称张量的图的广义版本。随后，基于最大化基于对称张量的模糊重叠模块度的原则，推导出一种新颖的模糊聚类学习目标，同时提出了相应的聚类算法——模糊重叠模块度聚类（FOMC）。此外，仅需一个额外超参数，即可为带有部分标记样本的基于对称张量的图推导出半监督聚类算法SFOMC。在合成和真实基准数据集上的广泛实验结果验证了FOMC和SFOMC在基于对称张量的图上的聚类能力。具体而言，FOMC在所采用的真实网络上的平均性能相较于对比方法提升了13.94%，而当样本标记比例在所采用图中从5%增至25%时，SFOMC的聚类性能增量达到对比方法平均值的1.799倍。

Keyword:

Fuzzy clustering

graph clustering

modularity

semisupervised learning

symmetric-tensor based graph

Fuzzy Overlapping Modularity Clustering for Symmetric-Tensor Based Graph

摘要

期刊

机构

引用论文