更改

输入：原始网络<math>A</math>和距离超参<math>\epsilon</math>；输出：宏观网络<math>B</math>以及对应的粗粒化方式

输入：原始网络<math>A</math>和距离超参<math>\epsilon</math>；输出：宏观网络<math>B</math>以及对应的粗粒化方式

# 针对一个含有<math>N</math>个节点的网络<math>A</math>，得到其[[转移矩阵]]<math>W</math>，然后进行矩阵的[[特征值分解]]，得到特征值<math>Λ=\{λ_i\}^N_1</math>与特征向量<math>E=\{e_i\}^N_1</math>，构建新的<math>E’=\{λ_ie_i|λ_i≠0\}</math>(新的网络节点数量为<math>N'</math>)

# 针对一个含有<math>N</math>个节点的网络<math>A</math>，得到其[[转移矩阵]]<math>W</math>，然后进行矩阵的[[特征值分解]]，得到特征值<math>Λ=\{λ_i\}^N_{i=1}</math>与特征向量<math>E=\{e_i\}^N_{i=1}</math>，构建新的<math>E’=\{λ_ie_i|λ_i≠0\}</math>(新的网络节点数量为<math>N'</math>)

# 依据<math>E'</math>计算节点间的距离矩阵<math>D_{N'×N'}</math>：

# 依据<math>E'</math>计算节点间的距离矩阵<math>D_{N'×N'}</math>：

## 如果节点<math>v_i</math>和<math>v_j</math>分别在对方的邻域中([[马尔可夫毯]])，则使用[[cosine]]计算两个节点的相似性作为距离

## 如果节点<math>v_i</math>和<math>v_j</math>分别在对方的邻域中([[马尔可夫毯]])，则使用[[cosine]]计算两个节点的相似性作为距离