学习笔记(2)-标签传播算法伪代码实现

算法名称：社区发现中的标签传播算法（LPA）
算法输入：无向无权图邻接矩阵AdjacentMatrix，节点个数VerticeNum
算法输出：存储节点标签的分类数组Community

//初始化每个节点的标签
For i <- 0 to VerticeNum Do
    Community[i] <- i
    //寻找i节点的所有邻居存入Neighbor[i]
    FindMaetexNonZero(i,AdjacentMatrix,NeighBor[i])
while 未达到分类标准 or 未超出迭代阈值 then
    RandomSort(SS)//生成随机序数队列SS
    For i <- 0 to VerticeNum Do
        //统计节点i邻居中数量最多的标签
        VectorFrequency(Neighbor[i], lable)
        //若只有一个数量最多则直接赋值
        if lable.size() = 1 then
            Community[i] <- lable[0]
        //若有多个相同数量的标签则随机选择一个
        else then
            Community[i] <- lable[random]
return Community

改进算法:
1、不重叠三角形初始化：
算法名称：标签传播算法不重叠三角形初始化（Findunitriangle）
算法输入：无向图邻接阵AdjacentMatrix，节点个数VerticeNum，各节点邻居集合Neighbor，分类数组Community
算法输出：存储节点标签的分类数组Community

//标记所有节点都未访问过
For i <- to VerticeNum Do isVisited[i] <- False
//社区标签
c=0
//寻找不重叠三角形赋予相同标签作为初始社区
For i <- 0 to VerticeNum Do
    For j <- 0 to Neighbor[i].size