2016-11-07 87 views
0

我发现很难理解什么是成员资格和模块性回报,为什么它被完全使用。什么是社区检测的成员?

wc <- walktrap.community(karate) 
modularity(wc) 
membership(wc) 
plot(wc, karate) 

上面的代码,我得到下面当我执行membership

[1] 1 1 2 1 5 5 5 1 2 2 5 1 1 2 3 3 5 1 3 1 3 1 3 4 4 4 3 4 2 3 2 2 3 

上面的代码,我得到下面当我执行modularity

[1] 0.3532216 

我读了文件,但仍有点混淆。

+1

相关文章:http://stackoverflow.com/questions/9471906 – zx8754

回答

2

walktrap.community的结果是你的图形分成社区,在你的情况下编号为1到5的编号。 membership函数给出了图中每个节点的社区id的向量。因此,在您的情况下,节点1属于社区1,节点3属于社区2.

将图分区到社区基于优化所谓的模块性功能。当您拨打modularity时,您会在优化过程完成后获得该功能的最终值。 modularity的高值表示将图很好地划分为明确的社区,而低值表示相反。

+0

谢谢,我们可以手动设置模块化吗? – Navin

+0

我不这么认为。模块化是您将图分成社区的结果。许多分区可能导致相同的模块化分数,因此您不知道选择哪个分区。 –