社区发现算法相关论文+SLPA/GANXiS 的源码

K近邻法

说明： 这里包含几篇人脸区域标定的算法和实现方面的文章。 因为对于不在高校内部的人来时，这些资源下载并不是免费的，所以上传上来，希望对需要的人有所帮助！

基于WAF的用户社区发现，肖晶，徐蔚然，随着移动互联网的逐渐普及，网络社区作为一个虚拟的社交平台，已经逐渐成为了整个社会交际中不可或缺的一部分。如何从一个复杂的

目标信息网络社区发现算法研究，高楚阳，郭杰，混杂网络从一个蕴含了许多冗余信息的离散的图经过基于群组与拓扑的社区发现形成具备凝集子群的多维网络，再经过演化社区发现成为

本论文主要是数据挖掘里的web社区挖掘相关的英文文档说明。

详细介绍支持向量机孤立点检测算法，相关应用

基于完全图的局部扩展类重叠社区发现算法，赵亮，朱征宇，根据复杂网络完全图中节点属于同一社区的特点，提出一种基于完全图的重叠社区发现算法。该算法通过K-核分解算法找出核心节点，以�

社交网络的社区结构呈现层次性。针对传统凝聚式层次化社区发现算法效率不高以及生成的层次谱图复杂的问题，提出一种融合拓扑势的层次化社区发现算法，利用拓扑势场呈现的自然峰谷结构揭示社交网络社区间的层次关系。

提出了一种重叠社区发现的启发式算法。该算法基于局部贡献度的思想，以度最大的节点作为初始社区，逐步把对社区贡献最大的邻节点加入社区；同时考虑了社区的重叠性，若存在对多个社区贡献都很大的边界节点，则把边界

基于学术社团中心度的合著网络社区发现算法，吴渝，常雨箫，针对现有合著网络社区划分算法对合著网络特性体现不充分的问题，提出一种新的基于学术社团中心度的社区划分算法。该算法提出了考