[发明专利]一种基于结构一致性的加权图聚集方法

权利要求书

1.一种基于结构一致性的加权图聚集方法，其特征在于：包括如下步骤:

1)将输入的所有图结点随机划分成k个组，并将划分结果表达为相应的邻接矩阵，其中k的值由用户来指定；

2)将各个组中的各个结点分别调至其他组中来改变结点的分组情况，并计算结点分别在k个不同组中的结构一致性；

3)将结点放入结构一致性最大的一组，直至所有结点调整完毕；

4)计算超图边上的权重和概率，并输出结果。

2.根据权利要求1所述的基于结构一致性的加权图聚集方法，其特征在于：所述步骤1)具体包括如下步骤：

Step1.1、加权聚集图的表示：

一个加权聚集图S＝(V_s,E_s,W_s)是输入图G＝(V,E,W)的压缩表达，其中V_s＝{V₁,V₂,…,V_k}是V中k个组的一个划分，结点V_i称为超点，i＝1,2...,k，超点之间的边称为超边，E_s＝{(V_i,V_j)|V_i,V_j∈V_s}是相应的超边的集合，W_s＝{(W_ij,P_ij)|i,j∈[1,k]}，W_ij的值表示顶点对(V_i，V_j)之间边的权重，P与每条边相关联，表示两个超点之间或者一个超点内部的连接概率；

A_G，A_S分别为G和S的邻接矩阵，邻接矩阵A_G的行组V_i和列组V_j的交叉集形成了一个盒子，盒子由B表示且B＝(B₁₁,B₁₂,…,B_kk)，原图在聚集过程中被分组策略B划分为k²个盒子，其对应的k个分组实质上就是k个超点，而各个盒子B_ij对应着超点V_i和V_j构建的区域V_i*V_j；

Step1.2、将输入的图结点随机分成k个组，并给每个结点分配组标签，用R＝{(ID，Label)|ID∈V，Label∈[1,k]}来表示，其中ID为结点标签，Label为结点的组标签，Label相同的结点被划分在一组，将图结点随机划分的结果转化为邻接矩阵。