聚类社区发现

生来如此 2019-04-14 02:26:53

使用k-means算法实现对karate等经典数据集的社区划分

...全文

161 1 打赏收藏转发到动态举报

写回复

1 条回复

切换为时间正序

请发表友善的回复…

发表回复

生来如此 2019-04-14

打赏
举报

回复

Python

本文探讨了聚类算法和社区发现的区别与联系，详细介绍了LPA、SLPA、Louvain、GN、Infomap等社区发现算法及K-Means、DBSCAN、GMM、层次聚类等聚类算法，同时提供了评估聚类效果的指标。

该博客聚焦于数据聚类与社区发现算法研究。数据聚类可将数据分组，社区发现能找出网络中的社区结构。可能涉及对相关算法的探讨，如提到的LSMC - EPMC算法，有助于在信息技术领域更好地处理和分析数据。

提出了一种基于链接密度聚类的重叠社区发现算法DBLINK。该算法首先通过聚类边集来发现链接社区，然后转换为节点社区，识别出重叠节点。相较于传统社区算法，DBLINK能更好地反映社交网络中的复杂关系。

本文介绍了谱聚类算法，特别是针对社区发现的应用。通过改进的最小割方法，引入了拉普拉斯算子，解释了如何将其应用于谱聚类。以一个具体的图为例，展示了如何计算拉普拉斯矩阵的特征值和特征向量，并利用K-Mean进行社区划分。

RuVector基于谱聚类算法实现图社区发现，包括图拉普拉斯矩阵计算（默认规范化形式）、谱嵌入及k-means++聚类分配；支持模块化、归一化割、传导性和轮廓系数等多维质量评估，并通过特征间隙法自动确定最优聚类数，在因果图谱分析等场景中具备实用价值。

37,739

社区成员

34,211

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

试试用AI创作助手写篇文章吧

+ 用AI写文章