该函数对金融时间序列的相关矩阵进行特征分解，过滤掉市场模式分量和噪声分量，只留下相关矩阵中与原始时间序列集合中的细观结构相对应的分量。 该函数旨在与社区检测算法（例如 Louvain 方法）结合使用，以允许在基于时间序列的网络上进行社区检测

异构网络的社区检测分析

1.摘要本次阅读的论文为 Deep Autoencoder-like Nonnegative Matrix Factorization forCommunity

欢迎来到 gcviz :dna: 该项目将相关的社区检测算法应用于基因交互网络。 Flask Web 应用程序可让您可视化应用的每个算法的分区结果。 您可以探索和合并社区，以及分析它们的底层基因。 目前支持的算法： 名称 描述 模块化 图书馆 鲁汶 贪婪的模块化最大化 0.69 python-louvain 流体C 流体社区检测 0.63 网络x 克劳塞特-纽曼-摩尔 模块化最大化 0.61 网络x 节点2向量 使用 kmeans 聚类的图节点嵌入。 0.65 节点2向量 Kernigan-Lin 对分法 最小化切割（递归应用） 0.06 网络x 光谱聚类 基于图拉普拉斯矩阵的幽灵 0.66 scikit-学习 格文-纽曼 基于边缘介数 0.04 网络x :whale: 码头工人 通过docker快速开始使用web应用： $ docker build -t gcviz:l

matlab多元参数非线性回归模型代码很棒的社区检测研究论文 包含实施的社区检测文件的集合。 关于，，和具有实现的论文的相似集合。 目录 因式分解 用于图聚类的Gromov-Wasserstein分解模型（AAAI 2020） 徐洪腾 具有自动聚类的图形嵌入（ASONAM 2019） Benedek Rozemberczki，Ryan Davies，Rik Sarkar和Charles Sutton 一致性遇到不一致：用于多视图集群的统一图学习框架（ICDM 2019） 梁有为，黄东和王昌东 GMC：基于图的多视图聚类（TKDE 2019） 王浩，杨艳，刘冰 基于嵌入的Silhouette社区检测（Arxiv 2019） 布拉兹·斯克里（BlažŠkrlj），扬·克拉里（Jan Kralj），纳达·拉夫拉奇（NadaLavrač） 知识图增强社区检测和表征（WSDM 2019） Shreyansh Bhatt，Swati Padhee，Amit Sheth，Keke Chen，Valerie Shalin，Derek Doran和Brandon Minnery 离散最优图聚类（IEEE

在在线社交网络中的虚拟社区检测领域，大多数现有方法经常从单一角度检测社区，而忽略了网络相关特性对社区检测的影响。 所有这些降低了社区划分结果的可解释性和准确性。 为了解决这个问题，提出了一种在线社交网络的虚拟社区检测模型框架。 该模型框架考虑了影响社区检测结果的三个关键因素：结构特征，属性信息和节点对网络的影响程度。 提出的模型不仅是现有社区检测模型的映射，而且是为社区检测方法设计更多未来模型的参考。

Multi-level learning based memetic algorithm for community detection

许多复杂的系统由通过不同层的耦合网络组成，其中每个层代表许多可能的交互类型之一。 一个基本的问题是如何在多层网络中提取社区。 当前算法要么将多层网络分解为单层网络，要么通过使用共识聚类扩展单层网络的算法。 但是，由于批评这些方法忽略了各层之间的连接，从而导致精度低。 为了解决这个问题，提出了一种定量函数（多层模块密度），用于多层网络中的社区检测。 之后，我们证明了多层模块化密度的迹线优化等效于算法的目标函数，例如内核K均值，非负矩阵分解，频谱聚类和多视图聚类。层网络，为设计社区检测算法提供了理论基础。此外，通过同时分解与多层网络相关的矩阵，开发了一种半监督联合非负矩阵分解算法（S2-jNMF）。 与传统的半监督算法不同，部分监督被集成到S2-jNMF算法的目标中。 最后，通过在人工和现实世界网络上的大量实验，我们证明了所提出的方法优于多层网络中用于社区检测的最新方法。

我们介绍了社区检测工具箱（CDTB），这是一个可用于执行社区检测的MATLAB工具箱。 CDTB包含以下类别的几种功能。 1.图生成器2.聚类算法； 2.集群号选择功能； 4.聚类评估功能。 此外，CDTB以参数化方式设计，因此用户可以添加自己的功能和扩展。 CDTB至少可以以三种方式使用。 用户可以从MATLAB命令行中使用这些功能。 或者他可以编写自己的包含CDTB功能的代码； 也可以使用图形用户界面（GUI）来自动进行社区检测，并包括一些数据可视化选项。

社区发现 使用属性和结构相似性进行社区检测。 安装： pip install community_detect 依存关系： NetworkX Matplotlib 用法： Import: from community_detect import Community 初始化： com = Community(alpha_weight = 0.5) #You can add your own value for Alpha 职能： Main method: get_communities(Graph, #Your Graph Vertices, #List of Vertices Similarity Matrix, #Similarity