图聚类介绍

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。