谱聚类在社团发现中的应用

在分析谱聚类原理的基础上,研究了其在社团发现中的应用,提出了快速估计社团数量的新方法.该方法通过计算和分析Laplacian矩阵特征值的分布来估计社团的数量,利用K-means算法对Laplacian矩阵特征向量构造的向量空间进行聚类,实现社团的发现.该算法在真实社会网络和合成网络上做了测试,验证了在社团发现中的准确性和有效性.      

一种改进的谱聚类算法及其在基因表达谱分析中的应用

聚类分析是从基因表达谱数据中提取生物医学信息的主要方法之一.针对传统谱聚类算法无法确定聚类个数的问题,提出一种改进的谱聚类算法并将其应用于基因表达谱聚类分析.首先用基因表达谱数据构造Laplacian矩阵,经特征值分解后得到相应的特征值和特征向量,用谱隙来描述相邻特征值的差值;然后通过寻找谱隙序列的最大值来确定聚类个数;最后从单位化的特征向量着手实现数据类别的划分.通过模拟数据与癌症数据的实验,证明了该文算法的有效性.     

双圈图的Laplacian谱展

设G是一个简单连通图,矩阵L(G)=D(G)-A(G)称为图的Laplacian矩阵,其中D(G)是图的度对角线矩阵,A(G)是G的邻接矩阵.连通图G的Laplacian谱展是图的最大特征值与次小特征值之差.边数等于顶点数加1的连通图叫做双圈图.研究了双圈图的Laplacian谱展,并确定了具有最大Laplacian谱展的双圈图.     

双圈图Laplacian矩阵的谱

分析双圈图的Laplacian矩阵谱和匹配数之间的关系,得到双圈图Laplacian矩阵特征值的分布情况,并利用线图理论给出两个圈均为偶圈的双圈图次大特征值的一种理论求法.     

树的最大与次小Laplacian特征值和的上界

随着计算机技术和网络技术的不断发展,图的谱被广泛应用于网络拓扑结构的特征分析,Laplacian矩阵的谱(特别是最大特征值和次小特征值)在网络结构中扮演重要角色.设G=(V,E)是一个具有n个顶点的简单图,A(G)为G的邻接矩阵,D(G)为G的度对角矩阵.定义G的Laplacian矩阵为L(G)=D(G)-A(G),设L(G)的特征值为μ1(G)≥μ2(G)≥…≥μn-1(G)≥μn(G)=0,最大特征值μ1(G)称为图G的Laplacian谱半径;次小特征值μn-1也称作图G的代数连通度.本文讨论了树的L(G)的最大与次小特征值和μ1(G)+μn-1(G)的上界,得到几个有意义的结论.     

满足n=2γ的树的特征值

研究了满足n=2γ的树的特征值,包括它的Laplacian矩阵与邻接矩阵的最大特征值,并确定了极树.     

约束优化问题中LP最小值序列的性质和判定

借助于谱分解定理以及矩阵理论中的特征值的排序,优于等相关性质定理来研究Hermite矩阵近似特征向量与相应的Rayleigh商矩阵作为近似特征值之间的关系,进行特征值的扰动分析,并推广了一个应用广泛的结论.     

具有正规特征值的矩阵的刻画

如果一个复方阵的一个特征值所对应的每个右特征向量一定也是左特征向量,则称其为正规特征值.本文给出了具有正规特征值的矩阵的结构.作为应用,给出了谱半径等于谱范数的矩阵结构.     

关于Rayleigh商矩阵近似特征值估计

借助于谱分解定理以及矩阵理论中的特征值的排序,优于等相关性质定理来研究Hermite矩阵近似特征向量与相应的Rayleigh商矩阵作为近似特征值之间的关系,进行特征值的扰动分析,并推广了一个应用广泛的结论.     

一种自动确定特征向量与类别数目的谱聚类算法

目前大多数应用于复杂网络社团划分的算法都不能自动确定类别数目.为了解决该问题,在计算出复杂网络的拉普拉斯矩阵特征值之后,利用特征值间隔提出一种自动确定特征向量与类别数目的谱聚类算法.该算法通过数据构造拉普拉斯矩阵,得到一系列特征值,再利用特征值差值确定聚类数目以及特征向量,然后利用K-means算法对特征向量进行处理最终得到社团划分结果.用MATLAB软件对常用网络进行测试,实验结果表明,该算法对复杂网络社团的划分具有较好的分类准确性.     

基于概念匹配的本体映射算法

本体映射是解决本体异构的通用方法.根据边的类型、顶点深度、边的密度和强度以及边关联的两顶点的属性计算有向边的权重.选择最优路径构建对应本体有向层次图的无向生成树,分别定义其Laplace矩阵,并通过分析该矩阵的特征值及特征向量来构造匹配矩阵.最后根据匹配矩阵元素的大小和位置信息来实现顶点匹配,并由此生成本体映射.实验表明该方法是有效的.     

电力系统潮流二次齐次方程中Ji矩阵的特征性质

推导了电力系统潮流二次齐次方程表达式中Ｊｉ矩阵的特征值和特征向量。发现特征值和特征向量可以不受网络规模的限制，能用一具有固定结构的公式和向量表示，并能用特征值表示节点有功、无功注入的范围；节点注入功率的线性组合仍然是一个实系数的二次齐次方程。获得了基于Ｊｉ矩阵特征值和特征向量的计算节点有功、无功注入的新的表示方式和新的计算途径，完善了潮流方程理论。     

基于拉普拉斯图的谱特征的图像聚类研究

提出一种用拉普拉斯图的谱系数夹角谱特征来描述图像几何结构的方法,同时研究了基于图的谱聚类系统.首先将序列图像以角点的形式构成拉普拉斯矩阵;然后分解该矩阵,结合特征值和其特征向量计算图中各点的谱系数夹角谱特征;再以局部保持投影方法将这些向量内嵌到模式空间,并在其特征空间用模糊c-均值算法进行聚类分析.结果表明,以拉普拉斯图的谱系数夹角谱特征解决了图中各点在向量空间的分布及其对应关系,在模式空间进行的聚类分析是有效的.     

基于谱聚类的BaaS资源负载均衡调度算法

Fabric作为超级账本的核心项目,以其多通道的设计为用户提供更为隐私的交易空间,为了解决基于分布式架构下的多通道资源负载均衡问题,提出了基于NJ W谱聚类的区块链即服务(BaaS)负载均衡调度算法SC-channel.该算法将平台子节点的数量作为划分类簇数量的依据,首先,基于通道采用peer之间的Jaccard系数构造相似矩阵;其次,计算拉普拉斯矩阵,求取前k个特征值和特征向量并将特征向量单位化;最后,用基于数量加权的k-means算法完成聚类.在Kubernetes平台上对这种方法进行验证,并与采用经典k-meansi的NJW算法默认调度算法下的资源负载均衡度做了比较分析.结果表明,采用基于谱聚类的BaaS资源负载均衡调度算法可提高资源利用的均衡程度,增强了平台的可用性与可靠性.     

基于AHP的高校贫困学生精准评定方法

为了公平、公正地开展高校贫困学生资助工作,利用层次分析法（AHP）建立评价指标体系,再用Matlab软件计算判断矩阵的特征值和特征向量.以3位高校贫困生为例,分别建立9组判断矩阵,并计算各矩阵的特征值和特征向量,再计算出指标体系中的权向量,最后评定特征向量最大者为最贫困大学生.     

一定条件下图的拉普拉斯矩阵的谱半径

研究给定阶、边独立数和圈数的类树图的拉普拉斯矩阵谱半径的精确上界,确定达到上界的所有的图,从而推广树、单圈图和双圈图拉普拉斯矩阵谱半径的结论.     

合成图的Laplacian特征值

给出了任意两个图的合成图的Ｌａｐｌａｃｉａｎ特征值和特征向量,同时得出了合成图的生成树的数目。     

四叶图距离矩阵2个最大特征值和的变化

为了能够在任何情况下准确得到四叶图在2种图变换下距离特征值的极值,运用行列式的性质、韦达定理及不等式的放缩,给出了四叶图的2种图变换及上述问题的结果。首先分别给出变换前后3种四叶图距离矩阵、距离拉普拉斯矩阵及距离无符号拉普拉斯矩阵,利用行列式的性质计算得出其特征多项式,由韦达定理判断出3种距离特征多项式正负根的个数,通过不等式的放缩估计出特征值的范围,从而求出2个最大特征值和的范围;其次对变化前后四叶图的3种距离矩阵2个最大特征值的和进行比较。结果显示,四叶图在经过2种变换后2个最大特征值的和是增加的。所得结果为特殊图类距离特征值极值问题提供了研究方法,对分子稳定性问题的研究具有一定的借鉴价值。