图算法(三):K核算法(KCore)【计算每个节点的核数。其计算结果是判断节点重要性最常用的参考值之一,较好的体现了节点的传播能力】
2023-09-27 14:20:40 时间
一、概述
k核算法(k-core)是图算法中的一个经典算法,用以计算每个节点的核数。其计算结果是判断节点重要性最常用的参考值之一,较好的体现了节点的传播能力。
适用场景:k核算法(k-core)适用于社区发现、金融风控等场景。
k-Core算法是一种用来在图中找出符合指定核心度的紧密关联的子图结构,在k-Core的结果子图中,每个顶点至少具有k的度数,且所有顶点都至少与该子图中的 k 个其他节点相连。k-Core通常用来对一个图进行子图划分,通过去除不重要的顶点,将符合逾期的子图暴露出来进行进一步分析。k-Core由于其线性的时间复杂度和符合直观认识的可解释性,在风控金融,社交网络和生物学上都具有较多的应用场景。
KCore算法思想:为了减轻k均值算法对孤立点的敏感性,k中心点算法不采用簇中对象的平均值作为簇中心,而选用簇中离平均值最近的对象作为簇中心。
二、
三、
完整代码参考项目:GitHub - mxnaxvex/LGraph: 一款轻便、简洁的单机图计算引擎,提供GraphX相似的编程接口。
相关文章
- 云图说|DDS读写两步走,带您领略只读节点的风采
- 机器学习-有监督学习-分类算法:决策树算法【CART树:分类树(基于信息熵;分类依据:信息增益、信息增益率、基尼系数)、回归树(基于均方误差)】【损失函数:叶节点信息熵和】【对特征具有很好的分析能力】
- GNN-静态表征-随机游走-2017:Metapath2vec【 步骤:①基于预定义“元路径”的有偏随机游走生成每个节点的训练序列,得到训练数据集;②套用Word2vec算法得到节点表示】【异质图】
- 图算法(六):全最短路算法(All Shortest Paths)【适用场景:用于路径设计、网络规划等场景】【用以解决图论研究中的一个经典算法问题,旨在寻找图中两节点之间的所有最短路径】
- 含有分布式电源的三相不平衡配电网潮流计算【IEEE33节点】(Matlab代码实现)
- 基于粒子群算法的电力系统无功优化研究(IEEE14节点)(Matlab代码实现)
- quartz 节点争抢Job 问题算法
- vue中diff算法处理新旧节点的流程
- EMC World:VCE VxRack增加新节点简化OpenStack部署
- ESdata节点脱离集群,系统日志报120秒超时
- 二叉树两个结点的最低共同父节点
- 【云原生】Docker单节点部署MinIO
- 【DevOps】Prometheus+consul :自动管理节点添加到grafana模板中
- 创建B树,动态添加节点,并使用三种遍历算法对树进行遍历
- 一步步教你Hadoop多节点集群安装配置
- Docker创建Docker Swarm集群节点
- WIN版的Jenkins Master加入LINUX的SLAVE节点,并作C++程序的集成交付
- 【算法hot-222】完全二叉树的节点个数