GN算法的设计与源代码+网络社区发现算法分析与比较 第6页

2.2网络社区发现算法的比较
①GN算法的思想是不断的从网络中移除介数最大的边，所以它是以边为计算单位；基于潜在语义算法是由谱算法演变而来，它是以矩阵为计算单位；派系过滤算法是由节点出发。
②GN算法计算过程比较简单，它只要找到介数最高的边并将它从网络中移除，直到每个节点就是一个退化的社团为止；基于潜在语义算法的计算过程比较复杂，因为它需要计算邻接矩阵的若干个计算的特征对，对于单个极端特征对有幂迭代等算法，但是要计算很多个的话一般的方法就是通过分解矩阵把所有的特征对都计算出来，这就大大地增加了计算的复杂程度；派系过滤法是先从网络中寻找派系，再利用派系寻找派系社团，虽然看起来有两步，但是计算过程不是很复杂，所以没GMC算发那么难，本文来自优,文'论#文^网，毕业论文 www.youerw.com也没GN算法那么容易。保险投保意向调查问卷表
A:GN算法举例:

图2.2 GN算法举例
da=1              wa=1
db=1              wb=1
dc=1              wc=1
dd=db+1=2         wd=wb=1
    de=dc+1=2        wd=wd+wc=2
df=dd+1=3         we=wc=1
dg=de+1=3         wf=wd=2
                     wf=we+wf=3
                   wg=we=1
注：di表示从源节点到节点i的距离；wi表示从源节点到节点i的最短路径的条数。

B: 基于潜在语义的网络社区发现算法举例

图2.3 基于潜在语义网络社区发现算法举例1

这是个由19个节点构成的三社团网络，上图对应的标准矩阵的第二向量中各元素的分布情况如下:

上一页  [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] 下一页

GN算法的设计与源代码+网络社区发现算法分析与比较 第6页下载如图片无法显示或论文不完整，请联系qq752018766