• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于譜聚類的用戶關(guān)聯(lián)關(guān)系挖掘*

    2016-11-12 05:54:04王永程褚衍杰
    電訊技術(shù) 2016年1期
    關(guān)鍵詞:關(guān)聯(lián)用戶實(shí)驗(yàn)

    王永程,褚衍杰

    基于譜聚類的用戶關(guān)聯(lián)關(guān)系挖掘*

    王永程**,褚衍杰

    (盲信號(hào)處理重點(diǎn)實(shí)驗(yàn)室,成都610041)

    為了從用戶地理空間分布數(shù)據(jù)中挖掘用戶間關(guān)聯(lián)關(guān)系,提出了一種基于譜聚類的關(guān)聯(lián)關(guān)系挖掘算法。首先定義了關(guān)聯(lián)度,用以衡量用戶之間空間分布的相似性,基于關(guān)聯(lián)度構(gòu)造相似矩陣,再利用譜聚類方法對(duì)用戶進(jìn)行聚類分析,聚類結(jié)果表征了用戶的關(guān)聯(lián)關(guān)系。采用Silhouette指標(biāo)和聚類準(zhǔn)確率來衡量用戶關(guān)系挖掘質(zhì)量,同時(shí)與傳統(tǒng)的K-Means方法進(jìn)行了比較,通過真實(shí)數(shù)據(jù)集實(shí)驗(yàn),結(jié)果表明該算法在實(shí)驗(yàn)數(shù)據(jù)集上能達(dá)到90%以上的聚類準(zhǔn)確率,證明方法有效、可行。

    用戶行為分析;用戶關(guān)系挖掘;譜聚類;關(guān)聯(lián)度;K-Means

    1 引 言

    用戶行為分析是近年來數(shù)據(jù)分析領(lǐng)域的熱點(diǎn)問題之一。發(fā)現(xiàn)用戶行為模式,通過分析用戶間行為模式的相似性來挖掘用戶的關(guān)聯(lián)關(guān)系,是重要的研究?jī)?nèi)容之一。本文擬針對(duì)用戶在地理空間上的分布特征,通過定義用戶空間分布的相似性將用戶相關(guān)關(guān)聯(lián)在一起,發(fā)現(xiàn)“朋友圈”,即用戶關(guān)聯(lián)關(guān)系網(wǎng)絡(luò)。

    目前研究用戶行為的諸多文獻(xiàn)中,基于用戶行為數(shù)據(jù)流挖掘用戶行為模式是主流的研究點(diǎn)之一[1-2]。文獻(xiàn)[1]針對(duì)受噪聲污染及不完備的行為事件流,利用信息熵理論估計(jì)周期性行為模式,算法在測(cè)試數(shù)據(jù)集上表現(xiàn)出了較好的魯棒性。在發(fā)現(xiàn)用戶行為模式的基礎(chǔ)上,對(duì)用戶行為進(jìn)行預(yù)測(cè)也成為該領(lǐng)域的研究熱點(diǎn)[3-4]。文獻(xiàn)[3]的研究發(fā)現(xiàn),用戶在線上的行為活動(dòng)之間具有較強(qiáng)的相關(guān)性,這導(dǎo)致用戶的后續(xù)行為能夠被預(yù)測(cè),如果用戶行為發(fā)生的時(shí)間信息能夠被利用的話,預(yù)測(cè)的準(zhǔn)確率將更高。無獨(dú)有偶,麻省理工學(xué)院一個(gè)名為“RealitY Mining”的項(xiàng)目組同樣發(fā)現(xiàn),不同類型的手機(jī)用戶在地理空間上的分布熵具有較大的差異,某些用戶,如教員,他們的空間分布熵很低,意味著他們?cè)诳臻g上分布行為容易被預(yù)測(cè),而另一些用戶,如學(xué)生,則具有較高的信息熵及不確定較大,他們的行為不容易被預(yù)測(cè)。同樣,這樣的行為差異被該項(xiàng)目組用戶區(qū)分用戶性質(zhì),獲得了較高的準(zhǔn)確率。

    上述研究主要關(guān)注用戶個(gè)體行為,如個(gè)體行為模式挖掘和預(yù)測(cè)以及利用個(gè)體行為模式的差異來區(qū)分不同性質(zhì)的用戶,與此不同,文獻(xiàn)[5-6]研究了不同用戶之間行為模式的相似性以及由此反映的更深層次的用戶之間的關(guān)聯(lián)關(guān)系。文獻(xiàn)[5]通過用戶在時(shí)空二維空間上的分布行為,挖掘任意兩個(gè)用戶之間的社交關(guān)系,同時(shí)提供了量化用戶之間關(guān)聯(lián)程度的概率推理框架,分析了不同的時(shí)空粒度下推理的精度問題。文獻(xiàn)[6]同樣致力于挖掘用戶之間的關(guān)聯(lián)關(guān)系,但需要的時(shí)空粒度更小,普適性不及文獻(xiàn)[5]。受文獻(xiàn)[5-6]啟發(fā),本文研究了手機(jī)用戶在地理空間上的分布行為,定義了用戶空間分布的相似性,與之不同的是,本文不僅給出了任意兩個(gè)用戶之間的關(guān)聯(lián)度,而且進(jìn)一步挖掘了多個(gè)用戶形成的關(guān)系網(wǎng)絡(luò),最終輸出用戶的“朋友圈”,即具有組織屬性的用戶團(tuán)體。

    圖聚類是發(fā)現(xiàn)用戶關(guān)聯(lián)關(guān)系的重要方法之一,本文采用譜聚類方法對(duì)用戶進(jìn)行聚類分析,并利用聚類結(jié)果來表征用戶的關(guān)系網(wǎng)絡(luò),同時(shí)用戶關(guān)系挖掘的質(zhì)量可以用聚類質(zhì)量來度量。譜聚類作為圖聚類方法之一,在諸多領(lǐng)域得到了成功應(yīng)用,如醫(yī)學(xué)[7]、電力[8]等,與K-Means、EM等建立在凸分布基礎(chǔ)上的傳統(tǒng)聚類算法相比,譜聚類算法能在數(shù)據(jù)空間不是凸分布的情況下收斂于全局最優(yōu)。在構(gòu)建用戶相似矩陣的基礎(chǔ)上,應(yīng)用譜聚類算法能夠成功輸出用戶的關(guān)系網(wǎng)絡(luò)。

    2 基本概念

    2.1 關(guān)聯(lián)度、關(guān)聯(lián)圖及關(guān)聯(lián)矩陣

    本文研究在特定時(shí)間區(qū)間內(nèi)用戶的空間分布情況,這里的時(shí)間區(qū)間都是由離散的時(shí)刻構(gòu)成。

    定義1 用戶空間分布向量

    用戶在時(shí)間區(qū)間t=[α,b]內(nèi)的空間分布向量表示為

    式中:n表示用戶個(gè)數(shù);i為用戶索引;m為納入考慮范圍內(nèi)的地理位置個(gè)數(shù);如果用戶在時(shí)間區(qū)間t內(nèi)在地點(diǎn)k(1≤k≤m)處出現(xiàn),則lk=1,否則lk=0。

    定義2 關(guān)聯(lián)度

    兩個(gè)用戶Ui、Uj在給定時(shí)間區(qū)間t=[α,b]內(nèi)的關(guān)聯(lián)度定義為

    如果把n個(gè)用戶看做n個(gè)節(jié)點(diǎn),關(guān)聯(lián)度看做兩個(gè)節(jié)點(diǎn)間邊的權(quán)重,則可以得到關(guān)聯(lián)圖和關(guān)聯(lián)矩陣的概念。

    定義3 關(guān)聯(lián)圖、關(guān)聯(lián)矩陣和聚類模型

    設(shè)n個(gè)用戶對(duì)應(yīng)的空間分布向量集合為Ut=,則

    (1)Ut的關(guān)聯(lián)圖定義為加權(quán)圖G(V,E),其中,頂點(diǎn)集V=Ut,邊集n};邊的權(quán)重為;

    (2)Ut的關(guān)聯(lián)矩陣定義為圖G在時(shí)間區(qū)間t內(nèi)的鄰接矩陣

    (3)Ut的聚類模型定義為Ψ=[C1,C2,…,Ck],其中k為聚簇?cái)?shù),Ci(i=1,2,…,k)為滿足下列條件的簇:;?i≠j,Ci∩Ci=?。

    本文擬根據(jù)關(guān)聯(lián)度對(duì)用戶Ut進(jìn)行劃分,從而得到其聚類模型,即用戶的關(guān)聯(lián)關(guān)系網(wǎng)絡(luò)。

    2.2 譜聚類

    由2.1節(jié)可知,關(guān)聯(lián)矩陣Ω為對(duì)稱矩陣,定義每個(gè)節(jié)點(diǎn)的度為di=ci1+ci2+???+cin,且稱D=diag( d1,d2,…,dn)為度矩陣。

    譜聚類算法建立在圖論中的譜圖理論基礎(chǔ)上,其本質(zhì)是將聚類問題轉(zhuǎn)化為圖的最優(yōu)劃分問題,是一種點(diǎn)對(duì)聚類算法,利用LaPlacian矩陣的前k個(gè)最小特征值對(duì)應(yīng)的特征向量構(gòu)造新的特征向量空間Rk,在這個(gè)新的空間內(nèi)建起與原始數(shù)據(jù)的對(duì)應(yīng)關(guān)系,然后聚類成k個(gè)簇。LaPlacian矩陣有3種形式[9],分別為未規(guī)范化LaPlacian矩陣L=D-Ω,規(guī)范化且對(duì)稱的LaPlacian矩陣LsYm=D-1/2L D1/2以及規(guī)范化但不對(duì)稱的LaPlacian矩陣LrW=D-1L。實(shí)驗(yàn)和統(tǒng)計(jì)分析結(jié)果表明,如果圖中各節(jié)點(diǎn)度分布比較均勻的話,3種類型的LaPlacian矩陣在聚類性能上無明顯區(qū)別,如果圖中節(jié)點(diǎn)度傾斜分布時(shí),LrW性能最優(yōu),故本文算法采用LrW作為L(zhǎng)aPlacian矩陣。

    3 基于譜聚類的關(guān)聯(lián)關(guān)系挖掘算法

    基于譜聚類的用戶關(guān)聯(lián)關(guān)系挖掘算法輸入為n個(gè)用戶對(duì)應(yīng)的空間分布向量集合為Ut=、時(shí)間區(qū)間t=[α,b]以及聚簇?cái)?shù)k,輸出聚類模型Ψ=[C1,C2,…,Ck]。主要步驟如下:

    (1)根據(jù)關(guān)聯(lián)度定義,z對(duì)任意一對(duì)用戶Ui,Uj,計(jì)算關(guān)聯(lián)度;

    (3)計(jì)算LaPlacian矩陣LrW=D-1L=I-D-1Ω,D=diag( d1,d2,…,dn);

    (4)計(jì)算LrW前k個(gè)最小特征值對(duì)應(yīng)的特征向量υ1,υ2,…,υk;

    (5)令Y=[υ1,υ2,…,υk]∈Rn×k,Y的行向量定義為γ1,γ2,…,γn,對(duì)應(yīng)于k維特征空間內(nèi)的n個(gè)點(diǎn);

    (6)利用K-Means聚類算法對(duì)(γi)i=1,2,…,n進(jìn)行聚類,得到k個(gè)簇{B1,B2,…,Bk};

    (7)返回Ψ=[C1,C2,…,Ck],其中Cj=,i=1,2,…,n,j=1,2,…,k。

    算法使用關(guān)聯(lián)度來衡量?jī)蓚€(gè)用戶空間分布的相似性,并據(jù)此構(gòu)建關(guān)聯(lián)矩陣,關(guān)聯(lián)矩陣作為L(zhǎng)aPla_ cian矩陣計(jì)算的輸入,通過選取LaPlacian矩陣的前k個(gè)最小特征值構(gòu)建特征空間。特征值及特征向量的計(jì)算為算法的主要時(shí)間消耗環(huán)節(jié)。在特征向量空間Rn×k中,這里利用K-Means聚類算法將n個(gè)數(shù)據(jù)點(diǎn)聚類為k個(gè)簇,Ci(i=1,2,…,k)表示具有相同組織屬性的用戶集合,輸入相同聚簇的用戶形成用戶關(guān)系網(wǎng)絡(luò)。值得注意的是,這里的聚類算法不限于K-Means算法,其他如層次聚類或密度聚類算法都可以作為候選算法。

    4 實(shí)驗(yàn)分析

    4.1 數(shù)據(jù)集、聚類質(zhì)量衡量指標(biāo)及實(shí)驗(yàn)流程

    采用RealitY Mining項(xiàng)目組的數(shù)據(jù)收集思路,我們采集了100位手機(jī)用戶志愿者的行為數(shù)據(jù)集,該數(shù)據(jù)集主要包含用戶的ID(用戶的唯一標(biāo)識(shí))、呼叫時(shí)間、呼叫持續(xù)時(shí)間、基站位置(標(biāo)識(shí)用戶地理位置)等信息,本文只抽取不同時(shí)刻用戶IP和基站位置來構(gòu)建用戶空間分布向量,作為算法的數(shù)據(jù)源。為了驗(yàn)證用戶關(guān)聯(lián)關(guān)系挖掘的準(zhǔn)確性,對(duì)所涉及用戶的組織屬性信息進(jìn)行了人工標(biāo)注,這里的組織屬性信息指用戶隸屬的部門,100個(gè)用戶分別為8個(gè)部門的員工,用戶之間存在關(guān)聯(lián)關(guān)系表示用戶同屬于一個(gè)部門,存在少量用戶同屬于兩個(gè)或兩個(gè)以上的部門。

    下面介紹本文采用的用戶關(guān)系挖掘質(zhì)量的衡量指標(biāo):Silhouette值[10]和聚類準(zhǔn)確率。

    (1)Silhouette值

    節(jié)點(diǎn)i的Silhouette值定義為

    式中:α(i)表示節(jié)點(diǎn)到同簇中其他節(jié)點(diǎn)的平均距離;b(i)表示節(jié)點(diǎn)到其他簇中節(jié)點(diǎn)的平均距離。Silhouette值的取值范圍為[-1,1],s(i)越接近1,表示聚類效果越好,從而用戶關(guān)系挖掘質(zhì)量越高,反之,挖掘質(zhì)量越差。Silhouette值從聚類結(jié)果本身出發(fā),衡量聚類質(zhì)量,不依賴于人工標(biāo)注信息,具備一定的參考價(jià)值。同時(shí)考慮到樣本中的人工標(biāo)注信息,我們定義了聚類準(zhǔn)確率。

    (2)聚類準(zhǔn)確率

    聚類準(zhǔn)確率定義為

    式中:Nc表示正確聚類的樣本數(shù)量;Nα表示所有的樣本數(shù)量。Nc的計(jì)算方法為針對(duì)聚類結(jié)果中的每一個(gè)聚簇i(1≤i≤k),根據(jù)標(biāo)注信息,統(tǒng)計(jì)聚簇i中真實(shí)的聚簇?cái)?shù)以及各聚簇對(duì)應(yīng)的樣本數(shù)量,樣本數(shù)量最多的簇所對(duì)應(yīng)的樣本為正確聚類的樣本。考慮到某些用戶可能擁有多個(gè)部門身份,即同屬于不同的聚簇,當(dāng)這些用戶被分類到真實(shí)所屬的聚簇中時(shí),都將其視為被正確聚類。聚類準(zhǔn)確率越高,表示用戶關(guān)系挖掘質(zhì)量越高,反之,挖掘質(zhì)量越差。

    圖1顯示了實(shí)驗(yàn)分析流程,本實(shí)驗(yàn)分別在不同聚簇?cái)?shù)k(k=4,6,8)的情況下對(duì)實(shí)驗(yàn)結(jié)果性能進(jìn)行考察。仿真條件為因特爾酷睿雙核3.16 GHz處理器及4 GB內(nèi)存。

    圖1 基于譜聚類的用戶關(guān)聯(lián)關(guān)系實(shí)驗(yàn)分析流程Fig.1 ExPeriment floW of user association mining based on sPecial clustering

    4.2 基于真實(shí)數(shù)據(jù)集的聚類質(zhì)量分析

    本節(jié)實(shí)驗(yàn)的目的是在真實(shí)數(shù)據(jù)集上驗(yàn)證基于譜聚類的用戶關(guān)聯(lián)關(guān)系挖掘算法的性能,數(shù)據(jù)集分為兩部分,分別代表兩個(gè)時(shí)間段的樣本數(shù)據(jù),記為Ut1和Ut2,兩個(gè)時(shí)間區(qū)間的長(zhǎng)度相同,時(shí)間跨度為兩個(gè)月。將分別考察兩個(gè)數(shù)據(jù)集在輸入不同的聚簇?cái)?shù)k(k=4,6,8)的情況下,輸出的Silhouette值以及聚類準(zhǔn)確率ρ的差異。圖2和表1分別為Silhouette值和聚類準(zhǔn)確率實(shí)驗(yàn)結(jié)果。

    圖2 基于譜聚類的用戶關(guān)聯(lián)關(guān)系挖掘算法性能(Silhouette值)Fig.2 Performance of user association mining based on sPecial clustering(Silhouette value)

    圖2 (a)~(c)為時(shí)間區(qū)間t1內(nèi)不同聚簇?cái)?shù)k對(duì)應(yīng)的Silhouette值,從圖2(a)、(b)可以看出,當(dāng)k<8時(shí),有部分聚簇的Silhouette值接近于1,其他聚簇的Silhouette值小于1,且輪廓線不整齊,說明聚類質(zhì)量較差。圖2(c)顯示了k=8時(shí)的Silhouette值,可發(fā)現(xiàn)各聚簇的Silhouette值幾乎為1,且輪廓線非常整齊,聚類質(zhì)量很好,說明k=8為最優(yōu)聚簇?cái)?shù),這與人工標(biāo)注的“朋友圈”數(shù)相等,實(shí)驗(yàn)結(jié)果符合預(yù)期。圖2(d)~(f)為時(shí)間區(qū)間t2內(nèi)不同聚簇?cái)?shù)k對(duì)應(yīng)的Silhouette值,其中Silhouette值的變化情況與圖2(a)~(c)基本相同,且對(duì)于不同時(shí)間區(qū)間,聚簇?cái)?shù)相同的Silhouette輪廓基本相同,從而說明了用戶的關(guān)系網(wǎng)絡(luò)在觀測(cè)時(shí)間內(nèi)基本穩(wěn)定。

    表1 本文算法與K-Means算法聚類準(zhǔn)確率性能比較Tab.1 ComParison of Performance on clustering accuracY betWeen the ProPosed algorithm and K-Means method %

    與圖2對(duì)應(yīng),從表1可看出,本文算法的聚類準(zhǔn)確率同樣在k=8時(shí)達(dá)到最高,為90%以上,顯示了基于譜聚類的用戶關(guān)聯(lián)關(guān)系挖掘算法在實(shí)驗(yàn)數(shù)據(jù)集上優(yōu)異的性能。

    4.3 與K-Means算法對(duì)比分析

    本節(jié)的實(shí)驗(yàn)?zāi)康氖窃谡鎸?shí)數(shù)據(jù)集上與傳統(tǒng)聚類方法K-Means算法進(jìn)行性能比較,與4.2節(jié)相同,數(shù)據(jù)集同樣采用兩個(gè)時(shí)間區(qū)間的樣本數(shù)據(jù),且在不同的聚簇?cái)?shù)k(k=4,6,8)的情況下,比較Silhouette值以及聚類準(zhǔn)確率ρ。圖3為K-Means算法的Sil_ houette值實(shí)驗(yàn)結(jié)果,K-Means算法的聚類準(zhǔn)確率實(shí)驗(yàn)結(jié)果見表1。

    圖3 K-Means算法性能(Silhouette值)Fig.3 Performance of K-Means(Silhouette value)

    圖3 (a)~(c)和圖3(d)~(f)分別為K-Means算法在時(shí)間區(qū)間t1和t2內(nèi)不同聚簇?cái)?shù)k對(duì)應(yīng)的Silhouette值。隨著k值的變化,Silhouette值的變化趨勢(shì)與本文算法的變化趨勢(shì)基本相同。不同在于,與本文算法的實(shí)驗(yàn)結(jié)果相比,對(duì)于相同數(shù)據(jù)集和相同k值,K-Means算法的Silhouette值輪廓線整齊度下降不少。結(jié)合表1兩種算法的聚類準(zhǔn)確率性能結(jié)果來看,本文算法的聚類性能要優(yōu)于K-Means算法,提升幅度在10個(gè)百分點(diǎn)左右。上述實(shí)驗(yàn)結(jié)果的原因在于當(dāng)樣本數(shù)據(jù)的維數(shù)升高時(shí)(本文數(shù)據(jù)集的維數(shù)為20),K-Means算法難以適應(yīng)數(shù)據(jù)空間非凸分布的情況,而譜聚類仍然能在此種情況下獲得全局最優(yōu)的效果。

    5 結(jié)束語

    本文利用手機(jī)用戶地理空間分布數(shù)據(jù)來挖掘用戶關(guān)聯(lián)關(guān)系,提出的基于譜聚類的關(guān)聯(lián)關(guān)系挖掘算法在實(shí)驗(yàn)數(shù)據(jù)集上能夠取得90%以上的聚類準(zhǔn)確率,與傳統(tǒng)K-Means方法相比,用戶關(guān)系挖掘性能更優(yōu)。實(shí)驗(yàn)結(jié)果表明了利用用戶空間分布數(shù)據(jù)挖掘用戶關(guān)系的可行性,與已有文獻(xiàn)相比,本文提出的算法進(jìn)一步挖掘了由用戶關(guān)聯(lián)關(guān)系形成的用戶社團(tuán)。本文研究成果可應(yīng)用于電商用戶推薦、反恐維穩(wěn)等領(lǐng)域,具有較高的實(shí)用價(jià)值。同時(shí),該算法針對(duì)多用戶多維數(shù)據(jù)集,在用戶聚類方面具有普適意義,特別是對(duì)于高維分布數(shù)據(jù)集,能夠在數(shù)據(jù)空間非凸分布的情況有效收斂于全局最優(yōu)。由于實(shí)驗(yàn)數(shù)據(jù)集涉及的用戶規(guī)模有限,本文未考慮用戶規(guī)模增長(zhǎng)對(duì)算法運(yùn)行效率的影響,這將是下一步研究的內(nèi)容。

    [1] GUAN T,WANG K R,ZHANG S P.A robust PeriodicitY mining method from incomPlete and noisY observations based on relative entroPY[J].International Journal of Ma_ chine Learning and CYbernetics,2015,6(2):1-11.

    [2] GOEL A,MALLICK B.Customer Purchasing behavior using sequential Pattern mining technique[J].International Jour_ nal of ComPuter APPlications,2015,119(1):1-5.

    [3] SINATRA R,SZELL M.EntroPY and the PredictabilitY of online life[J].EntroPY,2014,16(1):543-556.

    [4] PHITHAKKITNUKOON S,HUSNA H,DANTU R.Be_ havioral entroPY of a cellular Phone user[M]//Social ComPuting,Behavioral Modeling,and Prediction.NeW York:SPringer,2008:160-167.

    [5] CRANDALL D J,BACKSTROM L,COSLEY D,et al.In_ ferring social ties from geograPhic coincidences[J].Pro_ ceedings of the National AcademY of Sciences,2010,107(52):22436-22441.

    [6] EAGLE N,PENTLAND A S,LAZER D.Inferring friend_ shiP netWork structure bY using mobile Phone data[J]. Proceedings of the National AcademY of Sciences,2009,106(36):15274-15278.

    [7] TARTARE G,HAMAD D,AZAHAF M,et al.SPectral clustering aPPlied for dYnamic contrast-enhanced MR a_ nalYsis of time-intensitY curves[J].ComPuterized Medi_ cal Imaging and GraPhics,2014,38(8):702-713.

    [8] SáNCHEZ-GARCíA R J,F(xiàn)ENNELLY M,NORRIS S,et al. Hierarchical sPectral clustering of PoWer grids[J].IEEE Transactions on PoWer SYstems,2014,29(5):2229-2237.

    [9] LUXBURG U.A tutorial on sPectral clustering[J].Sta_ tistics and ComPuting,2007,17(4):395-416.

    [10] AMORIM R C,HENNIG C.Recovering the number of clusters in data sets With noise features using feature res_ caling factors[J].Information Sciences,2015,324(12):126-145.

    王永程(1987—),男,山西介休人,2009年于清華大學(xué)獲學(xué)士學(xué)位,2012年于盲信號(hào)處理重點(diǎn)實(shí)驗(yàn)室獲碩士學(xué)位,現(xiàn)為博士研究生,主要研究方向?yàn)閿?shù)據(jù)挖掘、網(wǎng)絡(luò)測(cè)量;

    WANG Yongcheng Was born in Jiexiu,Shanxi Province,in 1987.He received the B.S. degree from Tsinghua UniversitY and the M.S. degree from KeY LaboratorY of Science and TechnologY on Blind Signal Processing in 2009 and 2012,resPectivelY.He is current_ lY Working toWard the Ph.D.degree.His research concerns data minning and netWork measurement.

    Email:407541127@qq.com

    褚衍杰(1982—),男,山東棗莊人,2005年于清華大學(xué)獲學(xué)士學(xué)位,2008年于盲信號(hào)處理重點(diǎn)實(shí)驗(yàn)室獲碩士學(xué)位,現(xiàn)為博士研究生,主要研究方向?yàn)樾畔⑻幚怼?/p>

    CHU Yanjie Was born in Zaozhuang,Shandong Province,in 1982.He received the B.S.degree from Tsinghua UniversitY and the M.S.degree from KeY LaboratorY of Science and Tech_ nologY on Blind Signal Processing in 2005 and 2008,resPective_ lY.He is currentlY Working toWard the Ph.D.degree.His re_ search concerns information Processing.

    User Association Mining Based on Spectral Clustering

    WANG Yongcheng,CHU Yanjie
    (National KeY LaboratorY of Science and TechnologY on Blind Signal Processing,Chengdu 610041,China)

    For mining association relationshiP from user's geograPhical sPatial distribution data,a neW meth_ od based on sPectral clustering is ProPosed.FirstlY,the correlation degree is defined,Which is used to measure the similaritY of sPatial distribution of users,and then the similaritY matrix is constructed.Cluste_ ring analYsis is conducted bY using sPectral clustering method,and the relationshiP betWeen users is charac_ terized bY clustering results.The Silhouette index and clustering accuracY are used to measure the qualitY of user relationshiP mining,meanWhile the traditional K-Means method is comPared With the ProPosed algo_ rithm.ExPeriments on real data set shoW that the algorithm can achieve more than 90%of the clustering accuracY,indicating that the method is effective and feasible.

    user behavior analYsis;user association mining;sPectral clustering;correlation degree;K-Means

    TP393

    A

    1001-893X(2016)01-0032-06

    10.3969/j.issn.1001-893x.2016.01.006

    王永程,褚衍杰.基于譜聚類的用戶關(guān)聯(lián)關(guān)系挖掘[J].電訊技術(shù),2016,56(1):32-37.[WANG Yongcheng,CHU Yanjie.User associa_ tion mining based on sPectral clustering[J].Telecommunication Engineering,2016,56(1):32-37.]

    2015-10-22;

    2015-12-29 Received date:2015-10-22;Revised date:2015-12-29

    **通信作者:407541127@qq.com Corresponding author:407541127@qq.com

    猜你喜歡
    關(guān)聯(lián)用戶實(shí)驗(yàn)
    記一次有趣的實(shí)驗(yàn)
    “苦”的關(guān)聯(lián)
    做個(gè)怪怪長(zhǎng)實(shí)驗(yàn)
    奇趣搭配
    智趣
    讀者(2017年5期)2017-02-15 18:04:18
    關(guān)注用戶
    商用汽車(2016年11期)2016-12-19 01:20:16
    NO與NO2相互轉(zhuǎn)化實(shí)驗(yàn)的改進(jìn)
    實(shí)踐十號(hào)上的19項(xiàng)實(shí)驗(yàn)
    太空探索(2016年5期)2016-07-12 15:17:55
    關(guān)注用戶
    商用汽車(2016年6期)2016-06-29 09:18:54
    關(guān)注用戶
    商用汽車(2016年4期)2016-05-09 01:23:12
    精品久久久久久久久av| 舔av片在线| 欧美成人一区二区免费高清观看| 免费看av在线观看网站| 国产在线男女| 全区人妻精品视频| 少妇被粗大猛烈的视频| a级毛片a级免费在线| 亚洲自偷自拍三级| 一边亲一边摸免费视频| 在线免费观看的www视频| 久久久久久久久久黄片| 久久精品夜夜夜夜夜久久蜜豆| 欧美区成人在线视频| 国产毛片a区久久久久| 波多野结衣巨乳人妻| 赤兔流量卡办理| av在线老鸭窝| 久久久久久久久久久丰满| 99久国产av精品| 国产亚洲欧美98| 国产日本99.免费观看| 99久国产av精品| 小蜜桃在线观看免费完整版高清| 我的老师免费观看完整版| 美女大奶头视频| 亚洲自偷自拍三级| 欧美xxxx黑人xx丫x性爽| 久久精品国产亚洲网站| 免费观看精品视频网站| 亚洲电影在线观看av| 欧美bdsm另类| 偷拍熟女少妇极品色| 久99久视频精品免费| 级片在线观看| 99视频精品全部免费 在线| 26uuu在线亚洲综合色| 久久久精品欧美日韩精品| 免费观看的影片在线观看| 男人狂女人下面高潮的视频| 亚洲国产日韩欧美精品在线观看| 日韩欧美 国产精品| 美女国产视频在线观看| 欧美成人a在线观看| 欧美色欧美亚洲另类二区| 亚洲欧美日韩高清在线视频| 你懂的网址亚洲精品在线观看 | 少妇的逼好多水| 久久韩国三级中文字幕| 国产精品久久电影中文字幕| 伦精品一区二区三区| 亚洲精品自拍成人| 丰满乱子伦码专区| 久久人人爽人人片av| 青春草视频在线免费观看| 免费观看在线日韩| 天堂√8在线中文| 亚洲欧美清纯卡通| 成人美女网站在线观看视频| 夜夜看夜夜爽夜夜摸| 热99在线观看视频| 成人无遮挡网站| 欧美另类亚洲清纯唯美| av福利片在线观看| 久久精品国产亚洲av香蕉五月| 嫩草影院新地址| 国产69精品久久久久777片| a级一级毛片免费在线观看| 国产精品一区二区性色av| 国产成人91sexporn| 亚洲图色成人| 小说图片视频综合网站| 国产成人91sexporn| 性插视频无遮挡在线免费观看| 亚洲欧美精品综合久久99| 麻豆成人av视频| 91午夜精品亚洲一区二区三区| 九九久久精品国产亚洲av麻豆| 日本爱情动作片www.在线观看| 国产视频内射| 伦精品一区二区三区| 99国产极品粉嫩在线观看| 国产av不卡久久| 一本久久精品| 亚洲av成人精品一区久久| av天堂中文字幕网| 国产不卡一卡二| 超碰av人人做人人爽久久| 99热全是精品| 午夜免费男女啪啪视频观看| 国产免费一级a男人的天堂| 高清日韩中文字幕在线| 最近手机中文字幕大全| 国内精品久久久久精免费| av福利片在线观看| 黑人高潮一二区| 一区二区三区免费毛片| av在线老鸭窝| 亚洲一区二区三区色噜噜| 亚洲av免费在线观看| 一本久久中文字幕| 亚洲丝袜综合中文字幕| 午夜福利高清视频| 一个人免费在线观看电影| 国产69精品久久久久777片| 91狼人影院| 亚洲精品成人久久久久久| 搡老妇女老女人老熟妇| 久久精品国产99精品国产亚洲性色| kizo精华| 搡女人真爽免费视频火全软件| 色播亚洲综合网| 九九爱精品视频在线观看| av天堂中文字幕网| 有码 亚洲区| 非洲黑人性xxxx精品又粗又长| 中文资源天堂在线| 国产伦精品一区二区三区视频9| 18禁裸乳无遮挡免费网站照片| 老师上课跳d突然被开到最大视频| 在线天堂最新版资源| АⅤ资源中文在线天堂| 麻豆av噜噜一区二区三区| 内射极品少妇av片p| 少妇人妻一区二区三区视频| 欧美xxxx黑人xx丫x性爽| 观看免费一级毛片| 欧美又色又爽又黄视频| 色播亚洲综合网| 国产av一区在线观看免费| 亚洲人成网站在线播放欧美日韩| 在线免费观看的www视频| 在线免费十八禁| 尤物成人国产欧美一区二区三区| 国产精品综合久久久久久久免费| 午夜福利成人在线免费观看| 欧洲精品卡2卡3卡4卡5卡区| 亚洲精品乱码久久久v下载方式| 久久韩国三级中文字幕| 在线免费十八禁| 非洲黑人性xxxx精品又粗又长| 亚洲成a人片在线一区二区| 日本撒尿小便嘘嘘汇集6| 久久精品夜色国产| 国产 一区 欧美 日韩| 久久久欧美国产精品| 免费av观看视频| 伦精品一区二区三区| 日韩欧美 国产精品| 精品久久久久久久久av| 人妻久久中文字幕网| 尾随美女入室| 国产伦精品一区二区三区视频9| 在线观看美女被高潮喷水网站| 亚洲人与动物交配视频| 99热这里只有是精品50| 亚洲电影在线观看av| 国产精品一及| 最近2019中文字幕mv第一页| 日韩一区二区视频免费看| av福利片在线观看| 12—13女人毛片做爰片一| 有码 亚洲区| 亚洲va在线va天堂va国产| 精品久久久久久久久久久久久| 天堂av国产一区二区熟女人妻| 国产精品久久久久久亚洲av鲁大| 国产视频首页在线观看| 国产人妻一区二区三区在| 可以在线观看毛片的网站| 亚洲色图av天堂| av在线观看视频网站免费| 一夜夜www| 久久久久性生活片| 国产亚洲精品久久久久久毛片| 丰满的人妻完整版| 亚洲国产欧美在线一区| 日本一二三区视频观看| 赤兔流量卡办理| 国产精品综合久久久久久久免费| 成人特级av手机在线观看| 日韩亚洲欧美综合| 亚洲不卡免费看| 免费观看在线日韩| 丰满乱子伦码专区| 51国产日韩欧美| 国产成人一区二区在线| 哪个播放器可以免费观看大片| 97热精品久久久久久| 一卡2卡三卡四卡精品乱码亚洲| 欧美人与善性xxx| 蜜臀久久99精品久久宅男| 国产视频首页在线观看| 91精品国产九色| 天堂√8在线中文| 日韩高清综合在线| 日韩成人伦理影院| 亚洲av中文av极速乱| 免费av毛片视频| 淫秽高清视频在线观看| 国产大屁股一区二区在线视频| 大香蕉久久网| 色综合亚洲欧美另类图片| 日本av手机在线免费观看| 熟女人妻精品中文字幕| 欧美最黄视频在线播放免费| 日韩av不卡免费在线播放| 国国产精品蜜臀av免费| 少妇熟女欧美另类| 久久精品国产亚洲av涩爱 | 亚洲最大成人手机在线| 日本一本二区三区精品| 国内精品美女久久久久久| 久久99热这里只有精品18| 少妇裸体淫交视频免费看高清| 蜜桃久久精品国产亚洲av| 久久久久国产网址| 日韩欧美精品v在线| 国产一区二区三区在线臀色熟女| 在线免费观看不下载黄p国产| 欧美+日韩+精品| 国产午夜精品久久久久久一区二区三区| 九九热线精品视视频播放| 国产黄色视频一区二区在线观看 | 成人一区二区视频在线观看| 国产免费一级a男人的天堂| 国产男人的电影天堂91| 亚洲成a人片在线一区二区| 网址你懂的国产日韩在线| 免费观看a级毛片全部| 欧美性猛交黑人性爽| 亚洲av免费高清在线观看| 久久久a久久爽久久v久久| 日本成人三级电影网站| 99热只有精品国产| 精品欧美国产一区二区三| 成人二区视频| av在线蜜桃| 久久精品影院6| 一区二区三区免费毛片| 真实男女啪啪啪动态图| 两个人的视频大全免费| 国国产精品蜜臀av免费| 老师上课跳d突然被开到最大视频| 国产熟女欧美一区二区| 亚洲熟妇中文字幕五十中出| 国产人妻一区二区三区在| 黄色欧美视频在线观看| 久久这里只有精品中国| 最后的刺客免费高清国语| 亚洲国产精品国产精品| 你懂的网址亚洲精品在线观看 | 日韩欧美 国产精品| 我的女老师完整版在线观看| 亚洲精品久久国产高清桃花| 国产午夜精品论理片| 欧美日本亚洲视频在线播放| 岛国在线免费视频观看| 日本三级黄在线观看| h日本视频在线播放| 精品国产三级普通话版| 亚洲va在线va天堂va国产| 精品少妇黑人巨大在线播放 | 国内精品美女久久久久久| 91麻豆精品激情在线观看国产| 最后的刺客免费高清国语| 99热这里只有是精品50| 亚洲精品日韩在线中文字幕 | 婷婷色av中文字幕| 大香蕉久久网| 久久国产乱子免费精品| 久久久久网色| 久久精品国产亚洲av天美| 人人妻人人看人人澡| 日韩欧美 国产精品| 舔av片在线| 欧美成人免费av一区二区三区| 男的添女的下面高潮视频| 国国产精品蜜臀av免费| 亚洲人成网站在线播| 国产精品久久久久久久电影| 在线免费观看的www视频| 国产v大片淫在线免费观看| 免费av不卡在线播放| 久久婷婷人人爽人人干人人爱| 一边摸一边抽搐一进一小说| 麻豆一二三区av精品| 菩萨蛮人人尽说江南好唐韦庄 | 91在线精品国自产拍蜜月| 国产69精品久久久久777片| 九草在线视频观看| 亚洲国产欧美在线一区| 国产日本99.免费观看| 亚洲欧美精品自产自拍| 舔av片在线| 亚洲久久久久久中文字幕| 美女脱内裤让男人舔精品视频 | 嘟嘟电影网在线观看| 亚洲经典国产精华液单| 亚洲国产欧洲综合997久久,| 一级av片app| 国内精品一区二区在线观看| 成人国产麻豆网| 亚洲va在线va天堂va国产| 久久精品国产亚洲av涩爱 | 最近2019中文字幕mv第一页| 搞女人的毛片| 美女国产视频在线观看| 国产成人影院久久av| 国产欧美日韩精品一区二区| 国产三级在线视频| 18禁在线播放成人免费| 亚洲精品乱码久久久v下载方式| 国内精品一区二区在线观看| 色综合站精品国产| 啦啦啦啦在线视频资源| 成人特级黄色片久久久久久久| 欧美一区二区国产精品久久精品| 91精品国产九色| 日韩精品青青久久久久久| 免费观看人在逋| 精品99又大又爽又粗少妇毛片| 亚洲av二区三区四区| 国产精品,欧美在线| 一本久久中文字幕| 久久久久免费精品人妻一区二区| 五月玫瑰六月丁香| 成人鲁丝片一二三区免费| 大香蕉久久网| 精品久久国产蜜桃| 精品日产1卡2卡| 伦理电影大哥的女人| 久久99精品国语久久久| 麻豆国产av国片精品| 91狼人影院| 精品国产三级普通话版| 老司机福利观看| 插逼视频在线观看| 国产av不卡久久| 久久99热6这里只有精品| 99久国产av精品| 成人午夜精彩视频在线观看| 黄片wwwwww| 美女xxoo啪啪120秒动态图| 国产精品一二三区在线看| 精品久久久久久久人妻蜜臀av| 国产精品一及| 国产视频内射| 亚洲国产高清在线一区二区三| 欧美日韩精品成人综合77777| 一区二区三区免费毛片| 99热精品在线国产| 男女下面进入的视频免费午夜| 听说在线观看完整版免费高清| 欧美最黄视频在线播放免费| 免费看a级黄色片| 毛片一级片免费看久久久久| 亚洲人成网站高清观看| 久久国产乱子免费精品| 99久国产av精品| 国产一级毛片七仙女欲春2| 国产一区二区三区在线臀色熟女| 级片在线观看| 亚洲欧美日韩无卡精品| 免费看av在线观看网站| av.在线天堂| 一级二级三级毛片免费看| 亚洲av电影不卡..在线观看| 亚洲国产日韩欧美精品在线观看| 亚洲欧洲国产日韩| 一级黄片播放器| www.av在线官网国产| 亚州av有码| 日韩一区二区三区影片| 国产熟女欧美一区二区| 能在线免费看毛片的网站| kizo精华| 深夜精品福利| 亚洲美女搞黄在线观看| 亚洲欧美成人综合另类久久久 | 亚洲国产欧美在线一区| 亚洲成人久久爱视频| 国产伦在线观看视频一区| 国产精品国产三级国产av玫瑰| 日韩一区二区三区影片| 中文亚洲av片在线观看爽| 国产成人福利小说| 精品久久久噜噜| 99国产极品粉嫩在线观看| av卡一久久| 国产毛片a区久久久久| 精品久久久久久久久av| 日本在线视频免费播放| 男人舔奶头视频| 国产精品美女特级片免费视频播放器| av天堂中文字幕网| 欧美性猛交╳xxx乱大交人| 欧美3d第一页| 少妇熟女aⅴ在线视频| 我要搜黄色片| 美女被艹到高潮喷水动态| 久久久成人免费电影| 久久九九热精品免费| 国产极品精品免费视频能看的| 天美传媒精品一区二区| 国产成人a区在线观看| 国产精品免费一区二区三区在线| 欧美xxxx黑人xx丫x性爽| 成人亚洲欧美一区二区av| 在线观看午夜福利视频| 精品少妇黑人巨大在线播放 | 欧美高清性xxxxhd video| 国产精品一区二区性色av| 欧美zozozo另类| 久久久久国产网址| 成人漫画全彩无遮挡| 亚洲性久久影院| 国产蜜桃级精品一区二区三区| av女优亚洲男人天堂| 欧美不卡视频在线免费观看| 嫩草影院新地址| 岛国毛片在线播放| 长腿黑丝高跟| 一级毛片aaaaaa免费看小| 国产一区二区亚洲精品在线观看| 中文字幕av在线有码专区| a级毛片免费高清观看在线播放| 亚洲精华国产精华液的使用体验 | 天堂网av新在线| 国产精品一区二区三区四区久久| 老司机福利观看| 热99在线观看视频| 女人被狂操c到高潮| 18禁黄网站禁片免费观看直播| 国产人妻一区二区三区在| 日韩av不卡免费在线播放| 能在线免费看毛片的网站| 亚洲电影在线观看av| 日本爱情动作片www.在线观看| 黄色一级大片看看| 最近视频中文字幕2019在线8| 日韩在线高清观看一区二区三区| 亚洲av一区综合| 成人一区二区视频在线观看| 激情 狠狠 欧美| 青春草视频在线免费观看| 国产一区二区亚洲精品在线观看| 欧美一级a爱片免费观看看| 长腿黑丝高跟| 国产综合懂色| 亚洲国产欧美人成| 天堂网av新在线| 国产高清视频在线观看网站| 大又大粗又爽又黄少妇毛片口| 亚洲美女视频黄频| 观看免费一级毛片| 搡女人真爽免费视频火全软件| 中文字幕人妻熟人妻熟丝袜美| 亚洲成人中文字幕在线播放| 尤物成人国产欧美一区二区三区| 亚洲18禁久久av| 国产精品一区二区三区四区久久| 午夜福利成人在线免费观看| 久久久色成人| 自拍偷自拍亚洲精品老妇| 精品99又大又爽又粗少妇毛片| 亚洲av男天堂| 国产亚洲av片在线观看秒播厂 | 直男gayav资源| 亚洲国产精品sss在线观看| 国产中年淑女户外野战色| 黄片无遮挡物在线观看| 日本三级黄在线观看| 亚洲av免费在线观看| 天堂av国产一区二区熟女人妻| 18禁在线播放成人免费| 日韩,欧美,国产一区二区三区 | 又黄又爽又刺激的免费视频.| 久久精品国产亚洲av香蕉五月| 午夜福利成人在线免费观看| 亚洲成人精品中文字幕电影| 成人av在线播放网站| 国产精品1区2区在线观看.| 亚洲四区av| 久久久久久九九精品二区国产| 韩国av在线不卡| 国产极品天堂在线| 成年免费大片在线观看| 日韩av不卡免费在线播放| 99热6这里只有精品| 亚洲成人精品中文字幕电影| 九九爱精品视频在线观看| 少妇被粗大猛烈的视频| 日韩大尺度精品在线看网址| 国产成人91sexporn| 成人一区二区视频在线观看| 观看美女的网站| 欧美日韩国产亚洲二区| 嫩草影院入口| 亚洲性久久影院| 欧美在线一区亚洲| 中文字幕av在线有码专区| 国国产精品蜜臀av免费| 久久精品国产亚洲av涩爱 | 内射极品少妇av片p| 欧美xxxx黑人xx丫x性爽| 婷婷亚洲欧美| 一边摸一边抽搐一进一小说| 亚洲,欧美,日韩| 一区二区三区免费毛片| 免费看光身美女| 久久综合国产亚洲精品| 欧美区成人在线视频| 岛国在线免费视频观看| 美女脱内裤让男人舔精品视频 | 麻豆成人午夜福利视频| av天堂在线播放| 51国产日韩欧美| 看非洲黑人一级黄片| 国产精品伦人一区二区| 国产精品国产三级国产av玫瑰| 内地一区二区视频在线| 亚洲熟妇中文字幕五十中出| 亚洲人成网站高清观看| 偷拍熟女少妇极品色| 国产高清不卡午夜福利| 亚洲aⅴ乱码一区二区在线播放| 九九在线视频观看精品| 韩国av在线不卡| 久久婷婷人人爽人人干人人爱| 久久精品国产亚洲av天美| 久久久久久久午夜电影| 人妻制服诱惑在线中文字幕| 卡戴珊不雅视频在线播放| 国产免费一级a男人的天堂| 亚洲精品影视一区二区三区av| 你懂的网址亚洲精品在线观看 | 国产69精品久久久久777片| 日日啪夜夜撸| 欧美成人精品欧美一级黄| 亚洲自偷自拍三级| 国产在线精品亚洲第一网站| 九色成人免费人妻av| 国产色婷婷99| 色综合站精品国产| 久久久久久久久久久免费av| 丝袜美腿在线中文| 亚洲电影在线观看av| 一本一本综合久久| 国产极品天堂在线| 久久人妻av系列| 欧美性感艳星| 岛国毛片在线播放| 国产精品久久久久久精品电影小说 | 少妇裸体淫交视频免费看高清| 在线观看免费视频日本深夜| 欧美zozozo另类| 一进一出抽搐gif免费好疼| 亚洲av不卡在线观看| 久久精品国产自在天天线| 99热精品在线国产| 亚洲一级一片aⅴ在线观看| 色5月婷婷丁香| 一边摸一边抽搐一进一小说| 亚洲经典国产精华液单| 亚洲精品国产av成人精品| 日日啪夜夜撸| 亚洲精品影视一区二区三区av| 91午夜精品亚洲一区二区三区| 又爽又黄a免费视频| 青春草亚洲视频在线观看| av在线亚洲专区| 男人的好看免费观看在线视频| 久久久午夜欧美精品| 精品人妻熟女av久视频| 国产不卡一卡二| 日韩视频在线欧美| 久久久久久久午夜电影| 在线观看66精品国产| 18禁裸乳无遮挡免费网站照片| 自拍偷自拍亚洲精品老妇| 国产色爽女视频免费观看| 欧美bdsm另类| 国产亚洲av片在线观看秒播厂 | 性插视频无遮挡在线免费观看| 精品久久久噜噜| a级毛片免费高清观看在线播放| 老女人水多毛片| 黄色视频,在线免费观看| 三级男女做爰猛烈吃奶摸视频| 日本免费a在线| h日本视频在线播放| 少妇猛男粗大的猛烈进出视频 | 国产精品爽爽va在线观看网站| 国产成人精品一,二区 | 成年版毛片免费区| 色播亚洲综合网| 男人舔奶头视频| 老师上课跳d突然被开到最大视频| 久久久久久久久久黄片| 亚洲最大成人中文| 最近手机中文字幕大全| 12—13女人毛片做爰片一| 高清毛片免费看| 舔av片在线| 九草在线视频观看| 少妇熟女欧美另类| 97超视频在线观看视频| 久久久久久久亚洲中文字幕| 日韩成人av中文字幕在线观看| 国产女主播在线喷水免费视频网站 | 亚洲精品自拍成人| 乱码一卡2卡4卡精品| 99久久中文字幕三级久久日本| 国产成人一区二区在线|