Fast Newman-FN算法以及模块度定义介绍

本文介绍了Newman在2004年提出的Fast Newman-FN算法,用于网络社区结构的快速检测。该算法基于模块度的概念,定义社区为内部边密集、外部边稀疏的节点集合。通过最大化模块度Q来寻找最佳社区划分,Q表示社区内部边的实际比例与随机预期比例的差。算法采用贪婪策略,逐步合并社区直至只剩一个。文章还提供了算法的实现思路和模块度增量的计算公式。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

 一、社区的定义

     Newman第一次提出模块度定义就是在2004年发表的这篇文章“fast algorithm for community structure in networks”,第一次用量化的公式来确定社区划分。

     首先,我们来看Newman如何定义社区的:the vertices in networks are often found to cluster into tightly knit groups with a high density of within-group edges and a lower density of between -group edges。

    用大白话说就是:社区内部的边尽可能地多,但是社区之间的边尽可能地少

(一些定义):i、j指社区i和社区j;

                   n是网络中节点的数量;

                   m是网络中边的数量。一条边上连接两个节点,和明显,2m即网络中所有节点度之和

二、如何量化到模快度?

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值