第348章 往前

泡书吧【paoshuxs.com】第一时间更新《离语》最新章节。

节点与网络中其他节点的交互都是通过其邻居节点来

进行的，因此节点的邻居越多，意味着该节点能够

向外传递的信息越多，从网络外部接受信息也越容易。

有向网络中，又可以定义出度中心度、入度中心度。

社区发现是根据网络中的边的连接模式，把网络划分为群组。将网络划分为群组后最常见的属性是，同一群组内部的之间紧密连

接，而不同群组之间只有少数边连接。社团发现的目的是就要找到网络内部不同群组之间的自然分割线。简而言之，它是一个把网络自然划分为群组的问题，从而使得群组内有

许多边，而群组之间几乎没有边。然而，“许多”和“几乎没有”到底是多少，

这个问题值得商榷，为此提出了多种不同的定义，从而产生了不同的社团发

现算法8基于层次聚类的算法。

第一阶段：称为dularity

optimization，主要是将每个节点划

分到与其邻接的节点所在的社区中，以使得模块度的

值不断变大；

第二阶段：称为munity

aggregation，主要是将第一步划分

出来的社区聚合成为一个点，即根据上一步生成的社

区结构重新构造网络。重复以上的过程，直到网络中

的结构不再改变为止。步骤：1.初始化，将每个点划分在不同的社区中；

2.对每个节点，将每个点尝试划分到与其邻接的点所在的社区中，计算此时

的模块度，判断划分前后的模块度的差值Δq是否为正数，若为正数，

则接受本次的划分，若不为正数，则放弃本次的划分；

3.重复以上的过程，直到不能再增大模块度为止；

4.构造新图，新图中的每个点代表的是步骤3中划出来的每个社区，继续执

行步骤2和步骤3，直到社区的结构不再改变为止。

天才一秒记住【泡书吧】地址：paoshuxs.com，若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！