基于网络社团划分方法的多维数据聚类研究

为了解决传统聚类方法在多维数据集中聚类效果不佳的问题，提出将网络社团划分的方法应用到多维数据聚类分析中。对于一个多维数据集，首先对分析对象进行特征提取，构建出每个对象的特征向量，通过计算皮尔森相关系数来度量不同特征向量之间的相似性，从而构建出一个相似性网络，采用Blondel算法对该网络进行社团划分达到聚类的效果。实验结果表明，该方法可以在多维数据聚类中得到较好的聚类结果，准确率达到92.5%，优于K-means算法的75%。