Кластеризация в обогащенных признаками сетях с использованием подхода восстановления данныхClustering feature-rich networks using data recovery approach

В диссертации рассмотрена актуальная проблема выявления сообществ в графах, вершины которых охарактеризованы какими-то признаками, количественными или качественными. Автор формулирует проблему как задачу аппроксимации данных искомым разбиением с использованием критерия наименьших квадратов. Им сформулировано два подхода к (локальной) оптимизации критерия – последовательный и параллельный, а также введены две модификации: (а) конвертация признаковых данных в матрицу связей между объектами и (б) два способа использования связей, возникающие при глобальной их суммируемости, а также при отсутствии таковой. Эти модификации приводят к формированию нескольких методов выявления сообществ, для которых проведено широкое экспериментальное исследование, как на реальных, так и сгенерированных данных, показавшее и их валидность, и их эффективность в сравнении с методами, разработанными ведущими исследователями проблемы.