基于交互流体的社群检测算法

该算法基于以下简单思想检测社群：多种流体在非均匀环境（图拓扑）中相互作用，并根据它们的相互作用和密度进行膨胀和收缩。

用法

cluster_fluid_communities(graph, no.of.communities)

参数

graph

输入图。该图必须是简单且连通的。不支持空图和单顶点图。边缘方向将被忽略。权重不被考虑。

no.of.communities

要找到的社群数量。必须大于 0 且小于图中顶点的数量。

值

cluster_fluid_communities() 返回一个 communities() 对象，详情请参见 communities() 手册页。

参考文献

Parés F, Gasulla DG, et. al. (2018) Fluid Communities: A Competitive, Scalable and Diverse Community Detection Algorithm. In: Complex Networks & Their Applications VI: Proceedings of Complex Networks 2017 (The Sixth International Conference on Complex Networks and Their Applications), Springer, vol 689, p 229, doi: 10.1007/978-3-319-72150-7_19

参见

参见 communities() 以从结果中提取成员资格、模块化分数等。

其他社群检测算法：cluster_walktrap(), cluster_spinglass(), cluster_leading_eigen(), cluster_edge_betweenness(), cluster_fast_greedy(), cluster_label_prop() cluster_louvain(), cluster_leiden()

社群检测 as_membership(), cluster_edge_betweenness(), cluster_fast_greedy(), cluster_infomap(), cluster_label_prop(), cluster_leading_eigen(), cluster_leiden(), cluster_louvain(), cluster_optimal(), cluster_spinglass(), cluster_walktrap(), compare(), groups(), make_clusters(), membership(), modularity.igraph(), plot_dendrogram(), split_join_distance(), voronoi_cells()

作者

Ferran Parés

示例

g <- make_graph("Zachary")
comms <- cluster_fluid_communities(g, 2)