2,464
个编辑
更改
→谱分解方法
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]]，得到特征值集合<math>Λ=\{λ_i\}^N_{i=1}</math>与特征向量集合<math>E=\{e_i\}^N_{i=1}</math>，构建新的<math>E’=\{λ_ie_i|λ_i≠0\}^N_{i=1}</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]]，得到特征值集合<math>Λ=\{λ_i\}^N_{i=1}</math>与特征向量集合<math>E=\{e_i\}^N_{i=1}</math>，构建新的<math>E’=\{λ_ie_i|λ_i≠0\}^N_{i=1}</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]]通过新的特征向量计算两个节点的相似性作为两者间的距离
## 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]]通过新的特征向量计算两个节点的相似性作为两者间的距离