本文详细介绍LFR算法，一种用于构建社区结构明显的人工网络的流行技术，涉及参数n、k、k_max等，并解释了它们在模型生成中的作用。
LFR算法用于生成不同特性的人工基准网络，源于2008年的论文论文《Benchmark graphs for testing community detection algorithms》，作者是Lancichinetti A , Fortunato S , Radicchi F 。其可以接受的参数及其说明如下：
| 参数 | 参数说明 |
|---|---|
| n | 网络节点总数 |
| k | 网络中节点的平均度数 |
| k_max | 网络中节点的最大度数 |
| c_max | 网络中最大社团包含的节点数 |
| c_min | 网络中最小社团包含的节点数 |
| γ | 网络中节点的幂率分布指数 |
| β | 社团中节点的幂率分布指数 |
| μ | 节点与社团外的边数与节点度数的比值 |
扫一扫
3666
到【灌水乐园】发言
