论文部分内容阅读
聚类是数据挖掘的重要技术之一。在许多实际应用领域,如社交网络,传感器网络,文本聚类等领域,由于各种原因,不同类簇之间存在重叠现象,在这些领域中发现类簇间的重叠区域非常重要且具有实际意义。重叠区域中不同对象与类簇的关系并不是等同的,其对类簇的演化起着不同的作用。然而,现有的重叠聚类算法大多都只能发现重叠区域,没有进一步的分析。本文针对这个问题,利用三支决策思想,将重叠区域中对象做了进一步的划分,即四个宏观类型与八个微观类型。在Zachary 等典型社交网络上的讨论表明,这种类型定义确实反映了类簇/社区生成过程中的真实情况。