转载自：https://blog.csdn.net/itplus/article/details/9286905 Community Detection 社区发现（Community Detection）算法用来发现网络中的社区结构，也可以视为一种广义的聚类算法。 研究背景 复杂网络是复制 ...

首先什么是社区（Community structure）呢？其实并不是指一个网络相互连接的部分，而是一个网络中链接“紧密的部分”，至于怎么定义紧密就有很多方法了。 社区发现算法可以参考下面的博客：博客1，博客2 那么又该如何动手实现呢？？ 由于小组主要使用python和R语言编程 ...

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 ...

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 ...

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 ...

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 ...

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 ...

　　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 ...