更改
跳到导航
跳到搜索
←上一编辑
下一编辑→
复杂网络中的因果涌现
(查看源代码)
2024年4月25日 (四) 02:37的版本
删除4字节
、
2024年4月25日 (星期四)
→谱分解方法
第23行:
第23行:
## 如果节点v_i和v_j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v_i和v_j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;
## 否则将两个节点间的距离设为无穷大∞(1000)
## 否则将两个节点间的距离设为无穷大∞(1000)
−
# 基于距离矩阵<math>D_{N^
’×N
^
’
}</math>,使用OPTICS算法进行聚类,同一类里的节点进行粗粒化作为一个宏观节点,存在距离超参ϵ,需要线性搜索,选择EI最大的参数
+
# 基于距离矩阵<math>D_{N^
'×N
^
'
}</math>,使用OPTICS算法进行聚类,同一类里的节点进行粗粒化作为一个宏观节点,存在距离超参ϵ,需要线性搜索,选择EI最大的参数
===机器学习方法===
===机器学习方法===
相信未来
1,177
个编辑
导航菜单
个人工具
登录
名字空间
页面
讨论
变种
视图
阅读
查看源代码
查看历史
更多
搜索
导航
集智百科
集智主页
集智斑图
集智学园
最近更改
所有页面
帮助
工具
特殊页面
可打印版本