复杂网络社团划分算法： 包括EO，快速算法等7-8种算法，还有响应的网络数据转换工具，用于算法对比非常方便
针对已有分裂算法时间复杂度较高，不适用于社团数目未知的大型网络等问题，借鉴电压谱分割算法和GN算法的思想，提出以扩散距离为分割依据，以模块度函数为社团结构划分满意度的快速分裂算法。实验结果表明，与已有
函数:function [e]=rangraph(in) 此图结构为:网络中任意点a与其同属一个社团的点的连边数为in,与其他社团的点的连边数为out。in+out恒为16,节点总数128. e为生成
为了对可以反映网络结构局部重要性质的加权网络进行社团结构划分，延续广泛应用的社团结构分级聚类方法，改进Newman贪婪算法（CNM算法）。算法设计中引入点权和边权，并重新定义新的Q函数计算社团模块度，
为了克服FCM算法对初值的敏感性，提出了一种基于免疫遗传算法的FCM算法。该算法利用免疫系统原理和遗传算子自适应调整的方法（即免疫遗传算法）来改进FCM算法。实验证明该算法能有效解决未成熟收敛的问题，
算法来自论文:Fast unfolding of communities in large networks 是一种快速的非重叠的社团划分算法 使用说明,直接调用BGLL函数,参数传入Graph类型的
发现网络中的社团结构有助于更好地理解网络结构和分析网络属性。通过定义边的聚类系数和基于局部信息的方法,提出了一种寻找复杂网络中社团结构的算法。该算法首先在网络的剩余节点中寻找度最大的节点,然后利用该节
以社交网络中备受关注的通话社交网络为研究对象,对其社团结构进行分析。提出一种基于模糊综合评判分析通话社交网络权重的方法,并改进CNM算法进行社团划分。初步演示了通话社交网络的演化规律,为深入研究通话社
社团发现能够揭示复杂网络的拓扑结构特性。针对现有社团发现算法社团初始节点选择随机、相似度计算过分依赖节点间共享邻居以及需要事先设定社团个数等问题,依托层次聚类思想提出基于节点重要度和社团接近度的社团划
Newman的快速社团发现算法，能求解上百万数据量大的社团发现问题，但这个是不支持加权图的。-Newman'sfastassociationdiscoveryalgorithmthatcansolve
用户评论