Higher-order organization of complex networks 之邻接矩阵的构建思路
如何用高阶聚类分析客体间的联系之高阶聚类的思路（纯干货）
在缪老师无情的逼迫下，又新学了一个有关聚类的好办法。
首先：你需要从现实生活中抽离出各个事物间的联系。那怎么抽离出事物之间的关系呢？
答：各个客体本身都是具有一定属性的，可用传统的统计方法去寻找他们之间的联系。
举栗子：比如说娱乐圈的例子，通过现实生活中欺骗与被欺骗之间的关系，
我们容易找到他们之间有方向的欺骗关系，构成了一个有向图。
把每个客体抽象为一个点，那么怎么给点与点之间的关系加权呢？你可以自由合理给定。也可通过某些方法计算来支持你的加权理由。
(点的赋值，你可以通过传统的统计方法计算出来，如因子分析中就有个综合因子得分，就可以作为点的赋值,点的赋值不体现在邻接矩阵的构建中，它的作用在聚完类的分析中。
邻接矩阵中涉及的是点与点之间的关系，比如说：娱乐圈的那个PPT中，郑秀文被骗的很惨，所以赋给她较大的权)
其次，根据点与点之间的方向（或他们之间不存在方向）以及各个点之间的关系的权重（或者点之间的关系没有加权，单纯用1或0来表示。
那么怎么确定他们之间的关系什么时候是1,什么时候是0呢？答:一般而言，通过某个连接值，再通过一个阙值来去确定1,0 的分界。
连接值举例：一个城市到另一个城市的交易额。阙值举例：通过某种经济理论或计算得到一个合理的值，当大于这个值是记为1/0，否则，记为0/1。当然用逻辑思蒂回归亦可判别0,1）
来构建邻接矩阵。
有了邻接矩阵，就可以根据代码出结果了。
最后，聚类结果出来后，如何分析呢？
被聚成一类的客体，必然有相似的属性或者是指标值相似，这就需要你的经济学知识以及其他领域的一些知识来解释结果。
需注意：聚类过程是单纯的算法，但邻接矩阵的构建与结果的解读，需要一些统计学的方法。
这篇博文也是可以帮助你理解高阶的~要好好看看哦，点它！
这是关于高阶的原作，英语好的小伙伴可以认真研究一下。官网应该也有相应的MATLAB的代码的下载地址。盘他！
好啦，小伙伴们，下次见啦~
Higher-order organization of complex networks 之邻接矩阵的构建思路相关推荐
- 安全研究 # Order Matters: Semantic-Aware Neural Networks for Binary Code Similarity Detection
论文分享:来自腾讯安全科恩实验室<Order Matters: Semantic-Aware Neural Networks for Binary Code Similarity Detecti ...
- 【论文阅读 - AAAI 2020】Order Matters:Semantic-Aware Neural Networks for Binary Code Similarity Detection
Order Matters: Semantic-Aware Neural Networks for Binary Code Similarity Detection Authors: Zeping Y ...
- 【Paper】2021_Synchronization of Resilient Complex Networks Under Attacks
P. Wang, G. Wen, X. Yu, W. Yu and Y. Wan, "Synchronization of Resilient Complex Networks Under ...
- signature=6a8815f5009aacac86e725bea54f840f,A wave packet signature for complex networks
摘要: This article explores the possibility of using a quantum graph representation to investigate inf ...
- 破解版matlab安装Higher Order Spectral Analysis Toolbox-亲测成功
破解版matlab安装Higher Order Spectral Analysis Toolbox-亲测成功 1.下载所需toolbox,随意保存于某个文件夹! 2.解压该压缩文件--继续解压hosa ...
- 【论文解析】Run, Don’t Walk: Chasing Higher FLOPS for Faster Neural Networks
<Run, Don't Walk: Chasing Higher FLOPS for Faster Neural Networks> Pconv 论文链接:https://paperswi ...
- 【论文泛读】Deep-HOSeq: Deep Higher Order Sequence Fusion for Multimodal Sentiment Analysis
论文题目:Deep-HOSeq: Deep Higher Order Sequence Fusion for Multimodal Sentiment Analysis 时间:2020 来源:ICDM ...
- 论文笔记--InfGCN: Identifying influential nodes in complex networks with graph convolutional networks
目录 0 摘要 1 小白基础知识补充: 2 Introduction 3 Deep learning model(InfGCN) 3.1 构造邻居网络 3.2 基于图卷积神经网络的模型 3.2.1 输 ...
- 【论文笔记】FasterNet：Run, Don’t Walk: Chasing Higher FLOPS for Faster Neural Networks
文章目录 前言 1. 介绍 2. 简单介绍以下深度可分离卷积 3. PConv 3.1 部分卷积PConv的设计 3.2 PConv 之后的 Point-Wise Convolution 3.3 PC ...
最新文章
- (C++)strlen(),strcmp(),strcpy(),strcat()用法
- requestAnimationFrame，Web中写动画的另一种选择
- R语言可视化散点图（scatter plot）图、为图中的部分数据点添加标签、ggrepel包来帮忙
- 智源发布 | 大规模并行训练效率提升神器 TDS
- pdfbox 按章节读取_2020年知到设施园艺学第十单元章节测试答案
- Uiautomator--Uiselector元素定位
- Android--Activity四种启动模式
- linux 问题一 apt-get install 被 lock
- Jaeger插件开发及背后的思考
- 数1的个数（信息学奥赛一本通-T1095）
- HTTP 1.1状态代码
- 舒尔特注意力训练表格_为什么那些常见的专注力训练方式，给娃用了好像效果不大？...
- 信息学奥赛一本通（1129：统计数字字符个数）
- 为什么再次调用编辑器总是加载同一张图片？
- 为女性们点赞！Google 为女性提供更多支持
- 硬件防火墙 与软件防火墙
- 纯JS判断iPhone准确机型，iPhone6~iPhoneXs Max
- kotlin自定义view
- nike air max polska 2016 ważne jest
- 2022年武汉市小型微型企业创业创新示范基地申报条件+申报时间+认定管理办法