未加权图的聚类算法
Clustering algorithm for unweighted graphs
我有未加权和无向图作为我的网络，它基本上是 proteins.I 的网络想要聚类这个图并将这个图分成不相交的集群。任何1可以建议我可以应用于未加权和无向图的生物网络的聚类算法。
存在多种图划分算法，它们使用不同的范例来解决相同的问题。
最常见的是Louvain's method optimizing Newman's modularity。
在 python 使用 Networkx 作为图形库时，您可以使用 community 对图形进行分区。
最快的图形分区使用 Metis。它基于层次图粗化。
您还有 N-cut 最初设计用于分割图像。
最后，您可以使用 stochastic block-model techniques. A very good python implementation of Louvain and several block-model techniques can be found in Graph-tool 对图进行分区。
我最喜欢后者，速度快（基于Boost图形库），相对容易使用和可调。
编辑：请注意，在图形工具中，我们所说的 Louvain 模块化确实是纽曼算法，docs are here。
我有未加权和无向图作为我的网络，它基本上是 proteins.I 的网络想要聚类这个图并将这个图分成不相交的集群。任何1可以建议我可以应用于未加权和无向图的生物网络的聚类算法。
存在多种图划分算法，它们使用不同的范例来解决相同的问题。
最常见的是Louvain's method optimizing Newman's modularity。 在 python 使用 Networkx 作为图形库时，您可以使用 community 对图形进行分区。
最快的图形分区使用 Metis。它基于层次图粗化。
您还有 N-cut 最初设计用于分割图像。
最后，您可以使用 stochastic block-model techniques. A very good python implementation of Louvain and several block-model techniques can be found in Graph-tool 对图进行分区。
我最喜欢后者，速度快（基于Boost图形库），相对容易使用和可调。
编辑：请注意，在图形工具中，我们所说的 Louvain 模块化确实是纽曼算法，docs are here。