学习记录 重叠网络权威知识——多尺度复杂网络社区发现的链接

最新推荐文章于 2022-08-10 18:32:26 发布
最新推荐文章于 2022-08-10 18:32:26 发布
阅读量1.3k 收藏 3
点赞数
分类专栏： 学习记录 重叠网络 文章标签： 学习记录 重叠网络 社团识别
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/An_Wu/article/details/68116071
版权

参考文献
【1】Ahn Y Y，Bagrow J P，Lehmann S．Link communities reveal muhiscale complexity in networks[J]．Nature，2010，466(7307)：761—764.

Link communities reveal muhiscale complexity in networks阅读报告

提到的两个重要定义
1、边相似度
边相似度
对于给定网络G中有公共节点k的相邻边eik和ejk,节点i和它的邻居节点记为n+(i)；同理，节点j和它的邻居节点记为n+(j)。

2、划分密度
划分密度
对于一个给定网络G有M条边，N个节点，P={P1，P2，…，Pe}对应网络的一个社团结构划

最低0.47元/天 解锁文章
An_Wu
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Community detection (2)
cmonkey
02-15 7028
整理下资料，先丢上来，后面再慢慢扩充。 大牛们 （不完全，只是选了几个我经常看到的） M.E.J. Newman 2004 Finding andevaluating community structure in networks 2006 Modularity andcommunity structure in networks 提出著名的modularity，衡量类内链
写综述想到的
loptimistic的专栏
11-12 5068
复杂网络的社团划分相关学习进行了好一阵子，周遭乱七八糟的事情搞得一直没有专心做总结，最近写综述才发现很多看过的东西不总结下来真心是记不住，于是，好的，整理整理吧，这次先从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》说起。 印象中复杂网络聚类算法的划分有很多很多，但是真心是五花八门，按照算法的思路区分也就算了，竟然有人仅仅按重叠非重叠去分，真的让人无语。这篇文章的划分方式其实我也评判
皮质-皮质网络的多尺度交流
悦影科技
08-10 244
大脑网络中的信号在多个拓扑尺度上展开。区域可以通过局部回路交换信息，包括直接邻居和具有相似功能的区域，或者通过全局回路交换信息，包括具有不同功能的远邻居。在这里，我们研究了皮质-皮质网络的组织如何通过参数化调整信号在白质连接体上传输的范围来调节局部和全局通信。我们发现，大脑区域在偏好的沟通尺度上是不同的。通过研究大脑区域在多个尺度上与邻居交流的倾向，我们自然地揭示了它们的功能多样性：单模态区表现出对局部交流的偏好，而多模态区表现出对全球交流的偏好。我们表明，这些偏好表现为区域和尺度特定的结构-功能耦合。即，
COMMUNITY DETECTION
u011330736的博客
11-06 1226
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 本文链接：https://blog.csdn.net/cmonkey_cfj/article/details/19242725 整理下资料，先丢上来，后面再慢慢扩充。 大牛们(Famous Researchers) （不完全，只是选了几个我经常看到的） M.E.J. Newman 2004...
多尺度检测
qq_31512099的博客
07-07 966
我们注意到当σσ尺度一定时，只能检测对应半径的斑点，那么检测的是多大半径的斑点呢，我们可以通过对规范化的二维拉普拉斯高斯算子求导：规范化的高斯拉普拉斯函数为：∇2norm=−12πσ2[1−x2+y2σ2]⋅exp(−x2+y22σ2)∇norm2=−12πσ2[1−x2+y2σ2]⋅exp(−x2+y22σ2)求∇2norm∇norm2的极点值等价于求取下式：∂(∇2norm)∂σ=0∂(∇no...
基于多核心标签传播的复杂网络重叠社区识别方法
01-14
针对传统基于标签传播的重叠社区识别方法存在较强的随机性，以及需要预设相关阈值来辅助完成社区识别等缺陷，提出基于多核心标签传播的重叠社区识别方法(OMKLP)。在分析节点度以及节点与邻居节点的局部覆盖密度后...
网络重叠社区发现的谱聚类集成算法
01-14
鉴于计算代价高昂的谱聚类无法满足海量网络社区发现的需求, 提出一种用于网络重叠社区发现的谱聚类集成算法(SCEA). 首先, 利用高效的近似谱聚类(KASP) 算法生成个体聚类集合; 然后, 引入个体聚类选择机制对个体聚类...
一种新的基于标签传播的复杂网络重叠社区识别算法
01-12
针对现有基于标签传播的复杂网络重叠社区识别方法所存在的社区识别精度不稳定,以及随机性较强等缺陷,提出一种新的基于标签传播的复杂网络重叠社区识别算法NOCDLP(a novel algorithm for overlapping community ...
lfm.zip_LFM社区发现_LFR基准网络_definition2na_重叠社区_重叠社区检测
最新发布
09-15
传统的社区检测方法通常假设社区是互斥的，即每个节点只能属于一个社区，但在实际网络中，节点往往可能同时属于多个社区，这就是所谓的“重叠社区”。针对这种情况，一种名为LFM（Local Fiedler Vector Method）的...
linkcomm:识别复杂网络中的链接社区的程序
05-23
关于 这是用于在复杂网络中查找链接社区的代码[1]。 当前，我们有两种实现：Python和C ++。 Python：这实现了完整的算法。 它计算相似性，构建树状图，并提取最佳社区。 它适用于许多场合，易于使用，并给出了确切的解决方案。 但是对于非常大的网络来说，它可能太慢了，但是在这种情况下，您可能要使用C ++版本。 C ++：为节省计算时间和内存使用量，它计算相似度，但不构建树状图。 您必须手动指定用于获取社区的相似性阈值。 参考 永烈安贞焕，詹姆斯P. Bagrow和淑娜莱曼，链接社区揭示多尺度的网络复杂性，自然466，761（2010）。
BGLL社区划分算法（python+networkx包）
08-10
算法来自论文：Fast unfolding of communities in large networks 是一种快速的非重叠的社团划分算法 使用说明，直接调用BGLL函数，参数传入Graph类型的变量就可以得到结果，返回值第一个是所返回的社区结果，第二个是所有节点对应的社区号。
linkcommunication.rar
05-09
基于边切割的重叠社团检测算法，包含作者源码（cpp+python），以及自己改了下输出的版本. 文献：Yong-Yeol Ahn, James P. Bagrow, and Sune Lehmann, Link communities reveal multiscale complexity in networks, Nature 466, 761 (2010).
复杂网络社区结构检测的经典算法
03-01
提供了Fast unfolding of communities in large networks 的源件以及其matlab代码
基于节点从属度的加权网络重叠社区划分算法
04-30
针对传统社区划分算法忽略现实世界网络特征导致社区划分准确率低的问题，提出了一种基于节点从属度的加权网络重叠社区划分算法。该算法提出加权网络模型，通过模型得到了能刻画出真实网络结构的加权网络；通过网络...
多尺度熵---Understanding Multiscale Entropy
热门推荐
Cratial
03-30 2万+
关于本博客的说明：本文为翻译文章，原文为 ‘Understanding Multiscale Entropy’ 由Narayan P Subramaniyam 发布在SAPIEN LABS，原文链接为https://sapienlabs.co/understanding-multiscale-entropy/ 一、引言 多尺度熵（Multiscale entropy, MSE）将样本熵扩展到多...
社团检测算法初学
qq_41978377的博客
11-27 2536
分为非重叠社团检测算法（传统社团检测算法）和重叠社团检测算法，非重叠检测算法的社团相互独立， 1 非重叠社团检测算法 1.1基于图分割的方法 K-L 划分前需要指定划分社团大小，基于贪心策略，通过增益峰值分为两部分 步骤：1.随机分成两个社团； 2.分别从两个社团各取一个节点，计算增益值，分别取出让两个节点增益值最大节点对，交换； 3.每个节点只交换一次，所有节点重复执行第2步， 4.指导函数增益值小于0，或者某...
【复杂网络系列】模块度（Modularity ）的计算方法
SNS程飞的专栏
01-09 2万+
Modularity Measure(模块化度量值），由Newman等人提出，是目前常用的一种衡量网络中社区稳定度的方法。 如上图所示，我们将这个图以图中两根横线为方式进行划分，共得三个社区（community），其中红色，绿色以及蓝色的点各为一个社区。 这里我们采用的计算公式为：Q=∑（I/E-((2I+O)/2E)**2）。 在上式中I表示两个端点
链接社区：网络结构的多尺度复杂性探索
"Linkcommunities在信息技术领域中是一个关键概念，它揭示了网络中的多层次...这篇文献提供了一种框架，用于分析和理解网络中多尺度的社区结构和它们对网络功能的影响，是网络科学和复杂系统研究领域的宝贵参考资料。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值