计算机应用研究

作者：李志明,魏贺萍,张广康,尤殿龙,

单位：1.燕山大学a.信息科学与工程学院;b.河北省软件工程重点实验室;c.河北省计算机虚拟技术与系统集成重点实验室,河北秦皇岛066004；2.燕山大学燕山大学深圳研究院,广东深圳518063；

关键词：多层特征融合,对比图聚类,无监督学习,

基金：国家自然科学基金面上项目(62276226)；河北中央引导地方项目(236Z7725G)；河北省重点研发计划项目(20375001D)；；

现有大多数对比图聚类算法存在以下问题：生成节点表示时忽略了浅层网络提取的底层特征和底层结构信息；未充分利用高阶邻居节点信息；未结合置信度信息与拓扑结构信息来构建正样本对。为解决以上问题，提出了基于多层特征融合与增强的对比图聚类算法。该算法首先融合不同层次网络提取的节点特征，以补充节点的底层结构信息；其次，通过节点间的局部拓扑相关性和全局语义相似度聚合节点信息，以增强节点表示的上下文约束一致性；最后，联合置信度信息和拓扑结构信息构建更多高质量正样本对，提高簇内表示一致性。实验结果表明，CGCMFFE在四种广泛使用的聚类评价指标上表现出优异的性能。理论分析和实验研究验证了CGCMFFE中节点底层特征、高阶邻居节点信息、置信度和拓扑结构信息的关键作用，证明了CGCMFFE的优越性。

来源：2025年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第6期