模块度与Louvain社区发现算法
转自：感谢分享！https://zhuanlan.zhihu.com/p/29380602 详细解释见： www.cnblogs.com/fengfenggirl Louvain算法其实是基于层次聚类的，图聚类。层次聚类依据是类间距更大，Louvain算法图聚类依据是模块度（公式在下方 ...
原文：模块度与Louvain社区发现算法
Louvain算法是基于模块度的社区发现算法，该算法在效率和效果上都表现较好，并且能够发现层次性的社区结构，其优化目标是最大化整个社区网络的模块度。 模块度 Modularity 模块度是评估一个社区网络划分好坏的度量方法，它的物理含义是社区内节点的连边数与随机情况下的边数只差，它的取值范围是 , ，其定义如下： Q frac m sum i,j A ij frac k ik j m delta ...
2015-11-07 23:33 10 25279 推荐指数：
相关推荐
Louvain社区发现算法
Louvain算法主要针对文献[1]的一种实现，它是一种基于模块度的图算法模型，与普通的基于模块度和模块度增益不同的是，该算法速度很快，而且对一些点多边少的图，进行聚类效果特别明显，本文用的画图工具是Gephi，从画图的效果来说，提升是很明显的。 文本没有权威，仅是个人工 ...
社区发现SLPA算法
社区（community）定义：同一社区内的节点与节点之间关系紧密，而社区与社区之间的关系稀疏。 设图G=G(V,E),所谓社区发现是指在图G中确定nc(>=1)个社区C={C1,C2,...,Cnv},使得各社区的顶点集合构成V的一个覆盖。 若任意两个社区的顶点集合的交际均为空，则称C ...
社区发现算法总结（一）
在做东西的时候用到了社区发现的算法，因此查找了好多人的文章，发现一个不错的总结，先转载过来 原文出处http://blog.csdn.net/aspirinvagrant/article/details/45577033 在社区发现算法中，几乎不可能先确定社区的数目，于是，必须有一种度量 ...
社区发现算法总结（二）
原文出处 http://blog.csdn.net/aspirinvagrant/article/details/45823329 派系过滤CPM方法(clique percolation method)用于发现重叠社区，派系(clique)是任意两点都相连的顶点的集合，即完全子图 ...
并行计算：并行Louvain社区检测算法
因为在我最近的科研中需要用到分布式的社区检测（也称为图聚类（graph clustering））算法，专门去查找了相关文献对其进行了学习。下面我们就以这篇论文IPDPS2018的文章[1]为例介绍并行社区检测算法。 关于基本的单机/串行社区检测算法，大家可以参考我的另一篇博客《图数据挖掘：社区 ...
社区发现算法综述
近期想对社区发现领域进行一下简单研究，看到一篇不错的文章，文章是根据国防科大骆志刚教授的论文《复杂网络社团发现算法研究新进展》整理的，主要是对社区发现的一些算法进行简单分析。 一、基于模块度优化的社团发现算法，也就是优化模块度Q值的一部分算法。Q值是由Newman在2004年的论文 ...
图计算：社区发现算法
社区划分问题大多基于这样一个假设：同一社区内部的节点连接较为紧密，社区之间的节点连接较为稀疏。因此，社区发现本质上就是网络中结构紧密的节点的聚类。 从这个角度来说，这跟聚类算法一样，社区划分问题主要有两种思路： （1）凝聚方法(agglomerative ...