第19行: |
第19行: |
| | | |
| ===谱分解方法=== | | ===谱分解方法=== |
| + | # 输入一个网络<math>A_m</math>,得到其转移矩阵<math>T_{Am}</math>, 然后进行矩阵的特征值分解,得到特征值Λ={λ_i}与特征向量<math>>E={e_i}</math>, 构建新的E^’={λ_ie_i|λ_i≠0}(新的网络节点数量为N^’) |
| + | # 依据E^’计算节点间的距离矩阵D_N^’×N^’: |
| + | 2.1. 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; |
| + | 2.2. 否则将两个节点间的距离设为无穷大∞(1000) |
| + | 3. 基于距离矩阵D_N^’×N^’,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=== |
| | | |