论文部分内容阅读
目前已有的高阶联合聚类算法主要集中于分析星型高阶异构数据，然而实际应用中，存在大量网状高阶异构数据。为了有效挖掘网状高阶异构数据内部隐藏的结构，提出一种基于图划分的高阶联合聚类算法（简称为GPHCC），该算法将网状高阶异构数据的聚类问题转化为多对二部图的最小正则割划分问题。为了降低计算复杂度，将此优化问题转化为半正定问题求解。实验结果表明GPHCC算法优于目前已有的5种2阶联合聚类算法和5种高阶联合聚类算法。