图聚类
常见的图聚类包括基于图划分,模块度化优化,谱聚类,标签传播,统计推断,密度,重叠等。
图划分:先设定分割大小,簇内边数比簇间边数更密集。有很多算法迭代二分法分成多个簇。
模块度优化:模块化度量值,是常用的一种衡量网络社区结构强度的方法。一般都是以最大化模块度为目标。
谱聚类:对矩阵进行特征分解,求解出特征向量,构建出特征向量空间,从而转化为图切割问题。
统计推断:从一组观察和模型假设中推导出图的性质。
标签传播:半监督,只需少量的训练集信息,就可以于此处其他未标记数据的标签。
基于密度:SCAN、SCAN++、DPC
SCAN:密集连接的相邻节点在同一个簇中。
SCAN++:相邻的节点具有较大的聚类系数。
DPC:聚类中心被局部密度较低的邻居包围,并且他们距离局部较高的任何点都相对较远。
图聚类介绍
![](https://img-home.csdnimg.cn/images/20240711042549.png)