“R” de grafik kümelemeye yaklaşım ve örnek

'R' grafik kümeleme kullanarak bir grafikte düğüm / birleştirme düğümleri arıyorum.

İşte benim sorunumun şaşırtıcı bir oyuncak varyasyonu.

• İki "küme" vardır
• Kümeleri birbirine bağlayan bir "köprü" var

İşte bir aday ağı:

Bağlantı mesafesine baktığımda, "hopcount", eğer isterseniz, o zaman aşağıdaki matrisi alabilirim:

 mymatrix <- rbind(
     c(1,1,2,3,3,3,2,1,1,1),
     c(1,1,1,2,2,2,1,1,1,1),
     c(2,1,1,1,1,1,1,1,2,2),
     c(3,2,1,1,1,1,1,2,3,3),
     c(3,2,1,1,1,1,1,2,3,3),
     c(3,2,1,1,1,1,1,2,2,2),
     c(2,1,1,1,1,1,1,1,2,2),
     c(1,1,1,2,2,2,1,1,1,1),
     c(1,1,2,3,3,2,2,1,1,1),
     c(1,1,2,3,3,2,2,1,1,1))

Burada düşünceler:

• Şans ya da oyuncağın sadeliği nedeniyle matrisin belirgin yamaları vardır, bu (çok büyük) matristeki durum böyle olmayacaktır. Nokta ve satır arasındaki ilişkiyi rastgele seçersem o kadar da temiz olmazdı.
• Bir yanlışım olabilir - eğer bir yazım hatası varsa bana bildirin.
• Buradaki atlama sayımı, i satırındaki noktayı j sütunundaki nokta ile bağlamak için en kısa atlama sayısıdır. Kendi kendine atlama hala bir sıçrama, bu yüzden diyagonal hepsi.

Yani bu matriste daha büyük mesafe (şerbetçiotu) daha yüksek bir sayıya sahiptir. Mesafe yerine "bağlanabilirlik" gösteren bir matris istersem, matrisin her hücresinin çarpımsal tersiyle değiştirildiği nokta tersi yapabilirim.

Sorular:

Kendi yolumu bulmama yardım etmek için:

• Bir grafikteki düğüm sayısını birleştirerek azaltmak için kullanılan terimler nelerdir? Kümeleme, birleştirme, munging mi - kullanmam gereken kelimeler nelerdir?
• Kanıtlanmış teknikler nelerdir? Konuyla ilgili bir ders kitabı var mı? Makalelere veya web sitelerine işaret edebilir misiniz?
• Şimdi buraya ilk bakmaya çalıştım - harika bir "ilk kontrol" nokta. Aradığımı bulamadım. Eğer kaçırırsam (olası değil), CV'de bu konu hakkında bir veya iki soruya yönlendirebilir misiniz?

Beni gittiğim yere götürmek için:

• Ağdaki düğümleri doğru şekilde kümeleyecek bir 'R' paketi var mı?
• Bunu yapmak için beni örnek koda yönlendirebilir misiniz?
• Ortaya çıkan azaltılmış ağı grafiksel olarak sunacak bir 'R' paketi var mı?
• Bunu yapmak için beni örnek koda yönlendirebilir misiniz?

Şimdiden teşekkürler.

Özel örneğiniz , ağdaki topluluktaki düğümler arasında daha fazla bağlantıya ve farklı topluluklardaki düğümler arasında nispeten daha az kenara sahip topluluklar bulmanızı önerir . Bu, tamamen bağlantısı kesilmiş altgrafların olduğu yalıtılmış topluluklar bulmaktan farklıdır .

Aşağıda R igraphpaketinde topluluğun algılanması için bir paket ve Clauset ve ark. (2004) . Bu algoritmayı kullanmak için "sekme sayımı" nı kendi kendine döngüsüz bir ikili bitişiklik matrisine çeviriyorum. Algoritmanın elle yazılmış diyagramınız ve sağladığınız verilerle tutarlı olan yönlendirilmemiş bir matrise ihtiyacı vardır (kenarlar simetriktir).

library(igraph)
mymatrix <- rbind(
     c(1,1,2,3,3,3,2,1,1,1),
     c(1,1,1,2,2,2,1,1,1,1),
     c(2,1,1,1,1,1,1,1,2,2),
     c(3,2,1,1,1,1,1,2,3,3),
     c(3,2,1,1,1,1,1,2,3,3),
     c(3,2,1,1,1,1,1,2,2,2),
     c(2,1,1,1,1,1,1,1,2,2),
     c(1,1,1,2,2,2,1,1,1,1),
     c(1,1,2,3,3,2,2,1,1,1),
     c(1,1,2,3,3,2,2,1,1,1))

#turn this into an adjacency matrix
adjMat <- mymatrix == 1
diag(adjMat) <- 0 #no self loops

g  <- graph.adjacency(adjMat)
plot(g)

#only works for undirected graphs, which this example is fine since symetric
fc <- fastgreedy.community(as.undirected(g))

#make colors for different communities
V(g)$color <- ifelse(membership(fc)==1,"red","blue")
plot(g)

Daha fazla analiz için bu tür düğümlerin daraltılmasının uygunluğu hakkında yorum yapamam, ancak böyle bir topluluk tespiti ağı keşfetmek için kesinlikle yararlıdır. Çok sayıda başka topluluk algılama algoritması da vardır (ayrıca R'de ağ analizi için diğer kütüphaneler). Bu, bu oyuncak problemi için istediğiniz çıktıyı üreten sadece bir örnektir.

Düğüm ve bağlantı verileriniz için bir depoya zaten bağlı değilseniz, Rneo4j paketine bakabilirsiniz. Ancak bu, verilerinizi saklamak için neo4j'nin (RDBMS değil bir grafik veritabanı) kullanılması anlamına gelir. Burada uzman değilim, ancak bu yaklaşımın a) Anony-Mousse tarafından önerildiği gibi bunu resmileştiremediğiniz veya b) düğümlerin ve bağlantıların sayısının özellikle büyük olması veya özellikle de rüzgarın ağınızla ilgili başka sorularınız varsa.

Gelecekteki okuyucular için,

İşte igraph paketlerinden bir dizi işlev ve sonuncusu MCL'den:

print("LABEL PROPAGATION")
w<-cluster_label_prop(g)

print("Leading Eigen")
w<-cluster_leading_eigen(g)

print("SpinGlass")
w<-cluster_spinglass(g, stop.temp = 0.05)

print("walktrap")
w<-cluster_walktrap(g, steps=4)

print("MCL")
adj<-get.adjacency(g)
w<-mcl(adj,addLoops=TRUE)

Belgeleri http://igraph.org/r/doc/ burada ve https://cran.r-project.org/web/packages/MCL/MCL.pdf burada bulabilirsiniz

Walktrap'ı özellikle kullanışlı buluyorum