qq_43391414的博客

网上倒是有一些关于使用sklearn进行谱聚类的教程，但是这些教程的输入都是一些点的集合，然后根据谱聚类的原理，其会每两个点计算一次亲密度（可以认为两个点距离越大，亲密度越小），假设一共有N个点，那么就是。参数其实就是距离计算公式你选用哪个的意思，比如我们常常知道的欧式距离，曼哈顿距离，当然谱聚类里面不是这些。总之，实际使用中，哪个效果好用哪个，建议官方提供的距离你都可以试一试。然后算法再根据这些亲密度进行聚类，即亲密度越大的点，他们应该聚在一起。，注意邻接矩阵需要为正数，否则报错，所以我们下面用了指数。

一般情况下，貌似这些图之类的包，只提供查询一个节点的一阶邻居，但是有的时候我们需要二阶甚至三阶，那么该如何做呢？注意一下，本文的方法仅可以针对二阶或者三阶，更高阶的代码没有提供。假设有下面这个图。

1.初始化#导入包并初始化一个图。import networkx as nxg=nx.Graph()2.构造一个图#添加（删除）节点和边nodes=[1,2,3]edges=[(1,2),(2,3),(1,3)]g.add_nodes_from(nodes)#g.remove_nodes_from(nodes)g.add_edges_from(edges)#g.remove_nodes_from(edges)3.查看图的节点和边#查看图的节点和边gg.nodesg.e

第一部分设有如下图G：请问：使用观察法可以得知，最多是2条。但是目前是这样的，要你使用计算机编一个算法来求解这个问题，你会吗？我猜你不会哈哈。所以我下面提供一种思路，就是每一次找一条s-t路径，然后删去这条路径上的边，在剩下的图继续找。但是，这个算法有缺点：如果第一次找了一条下面的s-t路径那么删除之后就只剩下了红色的边：这个时候，找不到s-t路径了，所以算法就得出结论：最多只有1条不相交的s-t路径，这是错误的。所以我们要改进这个算法！改进的思路是：纠正以前走错了的路径。比如对于

指派问题：在生活中经常遇到这样的问题，某单位需完成n项任务，恰好有n个人可承担这些任务。由于每人的专长不同，各人完成不同任务=所花费的时间不同。于是产生应指派哪个人去完成哪项任务，使完成n项任务的总时间最小。这类问题称为指派问题。举个例子：混合泳就是蝶泳、仰泳、蛙泳、自由泳各自100米的游泳，但要接力，所以肯定不能一个人同时上场两次。注意：指派问题的难度在于：按照蝶泳最好成绩来选是乙，仰泳是乙，蛙泳是乙，自由泳也是乙，但是乙只能上场一次，所以哪次上场？效益最高？难度在这！...

链（迹）：路：

如果有n个顶点，那么一共有多少种不同的环游？答： (n−1)!2\frac{(n-1)!}{2}2(n−1)!​1.首先是全排列n!n!n!，然后由于1，2，3，。。。，n 和 2，3，。。。，n，1等等n个是一样的，所以要除以n。即下面几个是一样的。2.总之除以nnn之后为(n−1)!(n-1)!(n−1)!。3.又因为顺序和逆序是一样的，即我们在上面默认顺序都是从左往右，我们也可以反过来呀。4.从而还要除以2，(n−1)!2\frac{(n-1)!}{2}2(n−1)!​。不过

最大团问题：团就是完全子图，最大团就是最大完全子图。完全子图：给定无向图G=(V,E)。如果U⊆\subseteq⊆V，且对任意u,v∈\in∈U 有(u，v) ∈\in∈E，则称U是G的完全子图。G 的最大团是指G中所含顶点数最多的团。比如给定一个无向图：其最大团有3个，都有3个顶点。...

概念二分图：二分图又称作二部图，是图论中的一种特殊模型。 设G=(V,E)是一个无向图，如果顶点V被分割为两个互不相交的顶点子集(A,B)，并且边集E中的每条边（vi，vj）所关联的两个顶点vi和vj分别属于这两个不同的顶点集(比如vi in A,vj in B或者vi in B,vj in A)，则称图G为一个二分图。举例如下：我们发现，A内部的顶点之间是没有边的，B也是，只有A,B相互之间连接，这就是二分图。问题定义在介绍二分图的匹配问题之前，先看个直观的例子。我们日常中听过最多的图的匹配