【转载】社团发现算法分类及简介

相关概念 复杂网络:具有自组织、自相似、吸引子、小世界、无标度中部分或全部性质的网络称为复杂网络。 社团结构:网络中的顶点可以分成组,组内顶点间的连接比较稠密,组间顶点的连接比较稀疏。 算法分类 1. 非重叠社团发现算法 1.1 模块度优化算法 模块度:取值范围[-0.5, 1), 用它来定量衡量网络社区划分质量,其值接近1,表示划分质量越好。 模块度优化类算法分类: 聚合:FN、CNM、MSG-MV 分裂:GN 直接寻优:EO Newman快速算法: 将每个节点看作是一个社团,每次迭代选择产生最大Q值的...

Continue Reading »
分享到:

【转载】社团发现算法综述

社团发现一只是复杂网络研究中一个比较火热的话题,本文根据国防科大骆志刚教授的论文 [1] 整理的,主要是对社区发现的一些算法进行简单分析。 一、 模块度优化类。 优化模块度 Q Q 值的一部分算法。 Q Q 值是由Newman在2004年的论文 [2] 中提出的(也就是FN算法),通过优化Q值来提高模块度是这类算法的主要思路,在此基础上,本文又划分了三个类别: 聚合思想,也就是分层聚类中的自底向上的作法。典型算法有Newman快速算法(FN算法)、CNM算法 [3] 和MSG-MV算法 [4] 等。 分...

Continue Reading »
分享到:

K-means聚类算法python实现

算法优缺点: 优点:容易实现 缺点:可能收敛到局部最小值,在大规模数据集上收敛较慢 使用数据类型:数值型数据 算法思想 k-means算法实际上就是通过计算不同样本间的距离来判断他们的相近关系的,相近的就会放到同一个类别中去。 1.首先我们需要选择一个k值,也就是我们希望把数据分成多少类,这里k值的选择对结果的影响很大,Ng的课说的选择方法有两种一种是elbow method,简单的说就是根据聚类的结果和k的函数关系判断k为多少的时候效果最好。另一种则是根据具体的需求确定,比如说进行衬衫尺寸的聚类你可能就...

Continue Reading »
分享到: