【问题标题】:Can I use k-means to cluster a non-complete graph?我可以使用 k-means 对非完整图进行聚类吗?
【发布时间】:2017-12-31 01:07:03
【问题描述】:

我想通过使用 k-means 聚类算法来聚类一个连通无向图(不是完整图)。我只看到在完整图中使用了 k-means,但我不确定是否有另一种方法可以将它应用于非完整图中。

那么,这里有人知道吗?并且,如果k-means不能应用于连通无向图,那么哪种算法适合对这种图进行聚类?

提前致谢!!!

【问题讨论】:

  • K 表示连续坐标数据。在图形矩阵上使用它是相当可疑的,尽管它会产生一些并非完全无意义的结果。但它有一个权重问题。

标签: python algorithm cluster-analysis graph-theory k-means


【解决方案1】:

K-means 可用于非完整图。您唯一需要做的就是将边的权重(两个节点之间的距离)设置为非常高(远高于其他连接的权重)。

为了对网络进行聚类,我建议使用 MCL - 一种用于图的聚类算法 来进行聚类 (https://micans.org/mcl/)。

希望这会有所帮助!

【讨论】:

  • 非常感谢您的回答,很抱歉回复晚了。但是我不明白您将边缘的权重(两个节点之间的距离)设置为非常高(比其他连接的权重高得多)的意思。你能比这更清楚地解释我吗?
  • 比如你有一个网络有4个节点,A、B、C、D。A连接B(AB),A连接C(AC),C连接D(CD )。那么你应该有这三个边缘的重量。如果你没有权重,那么你可以将这三个边的权重设置为1。然后你可以设置其他边如AD,BC等,并将这些边的权重设置为比1很大,例如1000.
  • 谢谢。你真好。我认为这个想法将适用于 k-means 以防止在集群中具有未连接节点的结果,这是我想要的,但我无法实现这个想法,因为它不灵活。
  • 所以,我想尝试另一种方法,强制质心仅停留在节点上,这意味着将初始质心放在节点上,然后质心移动到其相邻节点。假设每条边都有权重(距离),通过这样做我可以使用最短路径而不是欧几里德距离来计算总平方误差,也许这可以生成始终具有连接节点的集群。你认为有什么方法可以实现这个想法吗?如果可以的话,能告诉我怎么做吗?
  • 我不太了解你。但是如果你不使用 K-means,就试试 MCL (micans.org/mcl),这是一个非常好的网络集群方法。
猜你喜欢
  • 2016-07-28
  • 2014-04-13
  • 2020-10-07
  • 1970-01-01
  • 2015-01-16
  • 2013-08-08
  • 2013-11-23
  • 2012-03-24
  • 2017-11-01
相关资源
最近更新 更多