LFR benchmark 操作步骤

先奉上资源

链接:https://pan.baidu.com/s/1Mm_UwUAhM0ofKXcFbti0YA 
提取码:hvp8 
复制这段内容后打开百度网盘手机App,操作更方便哦

运行操作

在解压后的文件下找到 /benchmark/Debug 文件夹, 在该文件下运行命令行程序(按住shift然后右键),之后即可输入命令。

参数解释

benchmark [FLAG] [P] [FLAG] [P]
-N        number of nodes   节点数 
-k        average degree     平均度(大多数大规模真实社会网络的平均值在10左右)
-maxk     maximum degree   最大度 数
-mu       mixing parameter    社团内部链接强度系数,值越大,链接越弱
-t1       minus exponent for the degree sequence    节点度的幂律分布指数
-t2       minus exponent for the community size distribution    社团尺寸的幂律分布指数
-minc     minimum for the community sizes    社团尺寸大小下限
-maxc     maximum for the community sizes   社团尺寸大小上限
-on       number of overlapping nodes      重叠节点占比
-om       number of memberships of the overlapping nodes   重叠节点的社团隶属数
-C        average clustering coefficient   平均聚类系数

代码样例

# 生成样例基准网络
benchmark -N 1000 -k 15 -maxk 50 -mu 0.1 -minc 20 -maxc 50

运行结果如下图
在这里插入图片描述
得到四个文件:
分别是社团编号文件、网络邻接列表文件、网络特征统计文件和时间种子数。

在这里插入图片描述

  • 5
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 14
    评论
LFR是一种基于局部特征规则的图像检索方法,用于在数据库中搜索匹配的图像。在Matlab中,可以使用LFR benchmark程序来评估图像检索算法的性能。 LFR benchmark程序是一个开源的Matlab工具,提供了一系列的评估指标和图像数据库,可用于比较不同的图像检索算法的准确性和效率。使用LFR benchmark程序,我们可以评估一个图像检索算法在不同数据库上的检索结果,并得到一些统计数据和图表结果。 使用LFR benchmark程序评估一个图像检索算法主要分为以下几个步骤。首先,我们需要准备好待评估的图像检索算法,包括相关的函数和参数设置。然后,我们将图像数据库加载到程序中,并设置评估的参数,例如检索的数量和评估指标。 接下来,我们可以运行LFR benchmark程序来执行图像检索算法的评估。程序会自动从数据库中选择一些查询图像,并使用待评估的算法进行搜索。随后,程序会计算出检索结果的评估指标,例如准确率、召回率和F1-score等。同时,程序也会生成一些图表,用于可视化评估结果。 最后,我们可以根据LFR benchmark程序生成的评估结果,来比较不同图像检索算法的性能。通过观察各种评估指标和图表,我们可以判断出哪个算法在不同任务和数据库上表现较好,进而选择最适合我们需求的图像检索算法。 总之,LFR benchmark程序为我们提供了一个全面的评估框架,可以帮助我们快速、准确地评估图像检索算法的性能,为选择合适的算法提供参考。
评论 14
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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