u012369559的专栏

       对于像吸毒者或非法移民这样的人进行研究，经常对调查者提问特殊的问题。然而这些人并不愿意暴露自己的隐私，不愿意被人发现，因此对采访者心存顾虑。那么需要借助一些方法对这些人群进行研究。        雪球式抽样      通过利用将人群中的成员联系在一起的社会网络，对这些人群进行抽样。应用最广泛的是雪球式抽样。如果调查者随机打个电话，然后询问电话另一端的人是否吸毒，这是不

转载：http://blog.sina.com.cn/s/blog_13ec735f50102x6ay.html

# Copyright (c)2018, 东北大学软件学院学生# All rightsreserved# 文件名称：nmi.py# 作 者：孔云#问题描述：计算算法聚类结果与ground truth的相似度# coding:utf-8#A是标准聚类结果，B是算法聚类结果 from sklearn import metricsimport numpy as npdef ope...

实现手写体 mnist 数据集的识别任务，共分为三个模块文件，分别是描述网络结构的前向传播过程文件（mnist_forward.py）、 描述网络参数优化方法的反向传播 过 程 文 件 （mnist_backward.py ）、 验 证 模 型 准 确 率 的 测 试 过 程 文 件（mnist_test.py）。 前向传播过程文件（mnist_forward.py） '''在前向传播过程中，需...

# Copyright (c)2018, 东北大学软件学院学生# All rightsreserved# 文件名称：test.py# 作 者：孔云#问题描述：搭建网络实现。反向传播：训练模型参数，在所有参数上用梯度下降，使 NN 模型在训练数据上的损失函数最小。#损失函数（loss）： 计算得到的预测值 y 与已知答案 y_的差距。#损失函数的计算有很多方法，均方误差 MSE 是比...

# Copyright (c)2018, 东北大学软件学院学生# All rightsreserved# 文件名称：test.py# 作 者：孔云#问题描述：利用placeholder实现输入定义#coding:utf-8#两层简单神经网络（全连接）import tensorflow as tf#定义输入和参数#用placeholder实现输入定义 （sess.run中喂一组...

这种方法假设样本点在光滑的流形上，这一方法的计算数据的低维表达，局部近邻信息被最优的保存。以这种方式，可以得到一个能反映流形的几何结构的解。步骤一：构建一个图G=(V,E),其中V={vi，i=1,2,3…n}是顶点的集合，E={eij}是连接顶点的vi和vj边，图的每一个节点vi与样本集X中的一个点xi相关。如果xi，xj相距较近，我们就连接vi，vj。也就是说在各自节点插入一个边eij，如果X...

拉普拉斯矩阵Laplacian matrix 的定义谈到机器学习中的降维技术，可能大多数了解一点机器学习的朋友都知道PCA，今天为大家介绍一种新的降维方法——拉普拉斯特征映射拉普拉斯矩阵（Laplacian matrix)），也称为基尔霍夫矩阵, 是表示图的一种矩阵。给定一个有n个顶点的图G=（V，E） ，其拉普拉斯矩阵被定义为:L=D-W其中D为图的度矩阵，W为图的邻接矩阵。（不知道度矩阵和邻接...

# Copyright (c)2018, 东北大学软件学院学生# All rightsreserved# 文件名称：test.py# 作 者：孔云#问题描述：实现 Tensorflow 的加法import tensorflow as tf #引入模块a=tf.constant([1.0,2.0]) #定义一个张量等于[1.0,2.0]b=tf.constant([3.0...

神经网络的参数： 是指神经元线上的权重 w， 用变量表示， 一般会先随机生成这些参数。生成参数的方法是让 w 等于 tf.Variable，把生成的方式写在括号里。神经网络中常用的生成随机数/数组的函数有： tf.random_normal()                            生成正态分布随机数tf.truncated_normal()                    ...

计算图（Graph）： 搭建神经网络的计算过程，是承载一个或多个计算节点的一张图，只搭建网络，不运算。 神经网络的基本模型是神经元，神经元的基本模型其实就是数学中的乘、加运算。 我们搭建如下的计算图： 在上述图中，x1、 x2 表示输入， w1、 w2 分别是 x1 到 y 和 x2 到 y 的权重， y=x1*w1+x2*w2。由程序代码实现上述计算图： import tensorflow as...

原文特点支持C/S(客户/服务器)模式简单快速：客户向服务器请求服务时，只需传送请求方法和路径。请求方法常用的有GET、HEAD、POST等等，每种方法规定了客户与服务器联系的类型不同。由于HTTP协议简单，使得HTTP服务器的程序规模小，因而通信速度很快。灵活：HTTP允许传输任意类型的数据对象，正在传输的类型由Content-Type加以标记无连接：无连接的含义是限制每次连接只处理一个请求。服...

摘 要：复杂网络在现实网络表现为多种形式，本文将从2002年以来经典社区划分方法入手，对复杂网络社区划分的研究现状进行一个综合简单的描述和概括，试图为社区划分研究描绘出一个较为全面和清晰的轮廓，为该领域的后续研究提供有益的参照。　　关键词：复杂网络；社区划分；形式；综述 　　中图分类号：TU984.12 文献标识码：A 文章编号：1674-7712 （2014） 12-0000-02

相关概念复杂网络：具有自组织、自相似、吸引子、小世界、无标度中部分或全部性质的网络称为复杂网络。社团结构：网络中的顶点可以分成组,组内顶点间的连接比较稠密,组间顶点的连接比较稀疏。算法分类1. 非重叠社团发现算法1.1 模块度优化算法模块度：取值范围[-0.5, 1), 用它来定量衡量网络社区划分质量，其值接近1，表示划分质量越好。模块度优化类算法分类：聚合：FN、

近期想对社区发现领域进行一下简单研究，看到一篇不错的文章，文章是根据国防科大骆志刚教授的论文《复杂网络社团发现算法研究新进展》整理的，主要是对社区发现的一些算法进行简单分析。一、基于模块度优化的社团发现算法，也就是优化模块度Q值的一部分算法。Q值是由Newman在2004年的论文"Fast Algorithm for Dectecting Community Structure in Ne

https://blog.youkuaiyun.com/u013393647/article/details/46754055?fps=1&locationNum=4