模塊度與Louvain社區發現算法
轉自：感謝分享！https://zhuanlan.zhihu.com/p/29380602 詳細解釋見： www.cnblogs.com/fengfenggirl Louvain算法其實是基於層次聚類的，圖聚類。層次聚類依據是類間距更大，Louvain算法圖聚類依據是模塊度（公式在下方 ...
原文：模塊度與Louvain社區發現算法
Louvain算法是基於模塊度的社區發現算法，該算法在效率和效果上都表現較好，並且能夠發現層次性的社區結構，其優化目標是最大化整個社區網絡的模塊度。 模塊度 Modularity 模塊度是評估一個社區網絡划分好壞的度量方法，它的物理含義是社區內節點的連邊數與隨機情況下的邊數只差，它的取值范圍是 , ，其定義如下： Q frac m sum i,j A ij frac k ik j m delta ...
2015-11-07 23:33 10 25279 推薦指數：
相關推薦
Louvain社區發現算法
Louvain算法主要針對文獻[1]的一種實現，它是一種基於模塊度的圖算法模型，與普通的基於模塊度和模塊度增益不同的是，該算法速度很快，而且對一些點多邊少的圖，進行聚類效果特別明顯，本文用的畫圖工具是Gephi，從畫圖的效果來說，提升是很明顯的。 文本沒有權威，僅是個人工 ...
社區發現SLPA算法
社區（community）定義：同一社區內的節點與節點之間關系緊密，而社區與社區之間的關系稀疏。 設圖G=G(V,E),所謂社區發現是指在圖G中確定nc(>=1)個社區C={C1,C2,...,Cnv},使得各社區的頂點集合構成V的一個覆蓋。 若任意兩個社區的頂點集合的交際均為空，則稱C ...
社區發現算法總結（一）
在做東西的時候用到了社區發現的算法，因此查找了好多人的文章，發現一個不錯的總結，先轉載過來 原文出處http://blog.csdn.net/aspirinvagrant/article/details/45577033 在社區發現算法中，幾乎不可能先確定社區的數目，於是，必須有一種度量 ...
社區發現算法總結（二）
原文出處 http://blog.csdn.net/aspirinvagrant/article/details/45823329 派系過濾CPM方法(clique percolation method)用於發現重疊社區，派系(clique)是任意兩點都相連的頂點的集合，即完全子圖 ...
並行計算：並行Louvain社區檢測算法
因為在我最近的科研中需要用到分布式的社區檢測（也稱為圖聚類（graph clustering））算法，專門去查找了相關文獻對其進行了學習。下面我們就以這篇論文IPDPS2018的文章[1]為例介紹並行社區檢測算法。 關於基本的單機/串行社區檢測算法，大家可以參考我的另一篇博客《圖數據挖掘：社區 ...
社區發現算法綜述
近期想對社區發現領域進行一下簡單研究，看到一篇不錯的文章，文章是根據國防科大駱志剛教授的論文《復雜網絡社團發現算法研究新進展》整理的，主要是對社區發現的一些算法進行簡單分析。 一、基於模塊度優化的社團發現算法，也就是優化模塊度Q值的一部分算法。Q值是由Newman在2004年的論文 ...
圖計算：社區發現算法
社區划分問題大多基於這樣一個假設：同一社區內部的節點連接較為緊密，社區之間的節點連接較為稀疏。因此，社區發現本質上就是網絡中結構緊密的節點的聚類。 從這個角度來說，這跟聚類算法一樣，社區划分問題主要有兩種思路： （1）凝聚方法(agglomerative ...