数据挖掘实验二 ：聚类技术—复杂网络社团检测

实验二 ：聚类技术—复杂网络社团检测

---

实验内容

1. 导入karate.gml中的空手道网络数据；

2. 根据网络结构特征给出节点相似性度量指标；

3. 采用层次聚类过程对网络数据进行聚类；

4. 计算模块性指标Q值，当Q值最大时输出聚类结果；

5. 采用Cytoscape工具，可视化聚类结果。

---

分析及设计

1. 导入数据包：

   • 用python的networks包中的read_ gml方法读取“图”的数据；
   • 观察图的信息：34个顶点、78条边的无向图；

2. 构建节点相似度矩阵：

   • 无向图的节点相似度矩阵

     $S_{i,j}=\frac{|N_i\cap N_j|}{|N_i\cup N_j|}$

     • $N_i$代表$i$所连的全部点的集合;
     • $N_j$代表$j$所连的全部点的集合;

3. 用平均相似度定义聚类密度：

   • density=1Ci≠j∑i,j∈C,i≠jSi,jdensity = {1 \over C_{i \neq j} \sum _{i,j \in C, i \neq j}{S_{i,j}}}density=<