盖尔-沙普利算法（Gale-Shapley algorithm）简称 “GS算法”，也称为 “延迟接受算法”（deferred-acceptance algorithm），是盖尔和沙普利为了寻找一个稳定匹配而设计出的市场机制。市场一方的对象 Ai，i=1,2,...,m 向另一方的对象 Bj，j=1,2,...,n 发出邀约，每个 Bj&nbs
转载
2023-11-21 15:39:53
231阅读
GN社区发现算法是一种用于社交网络和图数据中挖掘潜在社区结构的算法。它能够有效地根据节点之间的连接关系，识别出不同的社区，有助于理解网络的整体结构及节点之间的关系。本文将详细介绍GN社区发现算法的实现过程，涉及的核心技术原理，架构设计、源码分析和性能优化，旨在为读者提供一份详尽的复盘记录。
```mermaid
flowchart TD
A[收集数据] --> B[构建图模型]
基本上是从昨天开始吧，着手复杂网络的GN算法，整个过程包括从GML文件中提取邻接矩阵数据，GN算法的实现，模块度的计算。(1)GML文件的读取。做GN的时候首次知道GML(Graph Model Language),GML (GraphModelling Language): There are many different programs that workwith graphs but al
转载
2024-05-04 15:12:35
97阅读
本来应该先写最具有代表性的Java的GC的，但是目前我正在看Python的源代码，而且Python和Java的GC，有着很多相似点，所以就用这个顺序了，Python的GC章节，我打算更多地着眼于实现和我的疑问，Java的GC章节，更多放在使用上。GC in Python Python是走多种GC技术路线相结合的路线的，我以为有可取之处。首先Python采用了原始的Ref Counting技术【1】
转载
2024-07-31 17:30:10
16阅读
在Graph领域，社区发现（Community detection）是一个非常热门且广泛的话题，后面会写一个系列，该问题实际上是从子图分割的问题演变而来，在真实的社交网络中，有些用户之间连接非常紧密，有些用户之间的连接较为稀疏，连接紧密的用户群体可以看做一个社区，在风控问题中，可以简单的理解为团伙挖掘。目前的社区发现问题分为两大类：非重叠社区发现和重叠社区发现。非重叠社区发现问题描述的是：一个网络
转载
2023-11-21 17:05:58
156阅读
# 莱顿算法的实现：完整指南
莱顿算法（Leiden Algorithm）是一种用于社区检测的高效算法，它对大型图形数据进行处理，帮助我们识别图中的聚类结构。在本文中，我们将为您详细介绍如何在Python中实现莱顿算法，针对刚入行的小白进行了全方位的讲解。
## 实现步骤
首先，我们可以概览一下实现莱顿算法的整体流程，方便理解如何将莱顿算法的各个步骤串联在一起。下表总结了实现过程中的关键步骤
作者: peghoty 社区发现（Community Detection）算法用来发现网络中的社区结构，也可以看做是一种聚类算法。以下是我的一个 PPT 报告，分享给大家。 从上述定义可以看出：社区是一个比较含糊的概念，只给出了一个定性的刻画。另外需要注意的是，社区是一个子图，包含顶点和边。新浪微博用户对应的网络图为例，
转载
2023-07-24 17:49:35
276阅读
首先了解MTCNN算法理论基础：正如上图所示，该MTCNN由3个网络结构组成（P-Net,R-Net,O-Net）。Proposal Network (P-Net)：该网络结构主要获得了人脸区域的候选窗口和边界框的回归向量。并用该边界框做回归，对候选窗口进行校准，然后通过非极大值抑制（NMS）来合并高度重叠的候选框。Refine Network (R-Net)：该网络结构还是通过边界框回归和NMS
解决最短路径问题：（如下三种算法）（1）迪杰斯特拉算法（Dijkstra算法）（2）弗洛伊德算法（Floyd算法）（3）SPFA算法 第一种算法：Dijkstra算法广度优先搜索解决赋权有向图或者无向图的单源最短路径问题.是一种贪心的策略算法的思路声明一个数组dis来保存源点到各个顶点的最短距离和一个保存已经找到了最短路径的顶点的集合：T，初始时，原点s的路径权重被赋为0（dis[s]=
转载
2023-06-19 10:15:54
136阅读
TSP问题clc;clear;
m=50;%蚂蚁个数，即自变量个数50组（一组解集），最好是城市数量的1.5倍
Alpha=1;%信息素重要程度参数，一般取值范围[1,4]
%启发式因子值越大，蚂蚁在选择以前走过的路径可能性越大搜索随机性减弱
%越小，容易过早陷入局部最优解
Beta=5;%启发式因子重要程度参数，5最好
Rho=0.1;%信息素蒸发系数
%过小时,则表示以前搜索过的路径被再次选择
转载
2024-06-27 20:13:10
212阅读
python2.7
转载
2019-12-31 10:10:00
143阅读
2评论
今天小编带大家了解一种群体仿生类算法：蚁群算法。我们以VRPTW为例，介绍蚁群算法与之对应的操作流程，并在文末附上小编原创代码，供大家学习交流。 蚁群算法解决VRPTW目录：蚁群算法简介蚁群算法与VRPTW代码测试笔记总结代码下载 蚁群算法简介蚁群系统(Ant System或Ant Colony System)一种群体仿生类算法，灵感来源于在蚂蚁觅食的过程。学者们发现，单个蚂蚁的行为比较简单，但是
转载
2024-01-22 05:33:37
194阅读
优化算法最大的困难之处在于，其一，将问题以合理的方式形式化的表达出来；即《集体智慧编程》中所说：当处理类似问题时，我们有必要明确潜在的题解将如何表达。其二，构造合理的成本函数。 一种通用的方法就是以数字序列来表示题解。如前面的旅游问题中，我们以题解来表达没人的航班次。 但在某些情况下，以数字化的方式来表达题解不是很直接，需要进行一些变通。 例如，宿舍安排问
转载
2024-06-12 21:44:15
26阅读
GN模型GN模型是由Girvan和Newman提出的一个经典的社区发现算法，它属于分裂的层次聚类算法。在近几年已成为社团结构分析的一种标准算法，他的基本思想是从网络的整体出发，不断地从网络中移除介数最大的边，从而获得最佳的社团结构。边介数定义为网络中经过每条边的最短路径的数目。GN算法的基本流程如下： （1）计算每一条边的边介数； （2）删除边界数最大的边； （3）重新计算网络中剩下的边的边阶数；
转载
2024-04-19 12:34:12
282阅读
GN Reference This page is automatically generated from gn help --markdown all. 翻译版：https://blog.csdn.net/u014786330/article/details/84569694 Contents
转载
2020-04-03 15:38:00
923阅读
2评论
# GN 调试
## 介绍
GN 是一个构建系统生成 Ninja 构建文件的工具。它被广泛应用于各种项目中，如 Chromium、WebRTC 等。在大型项目中，使用 GN 进行构建可以提高构建速度和可维护性。
本文将介绍如何使用 GN 进行调试，并通过代码示例帮助读者更好地理解。
## GN 构建文件的结构
在使用 GN 构建项目之前，我们需要了解 GN 构建文件的结构。一个典型的 G
原创
2024-01-10 03:21:33
552阅读
无监督 聚类试图将数据集中的样本划分为若干个通常是不相交的子集，每个子集称为一个“簇”一、K-MEANS算法工作流程 1.首先, 随机确定 K 个初始点作为质心（不必是数据中的点)。2.然后将数据集中的每个点分配到一个簇中, 具体来讲, 就是为每个点
转载
2023-10-13 21:35:21
58阅读
0. 前言最短路径算法是一种用于计算图中两个节点之间最短路径的算法。在图论中，最短路径通常指的是图中连接两个节点的路径中具有最小权重（或成本）的路径。以下是两种常见的最短路径算法：Dijkstra算法：Dijkstra算法是一种用于在带权有向图中找到从源节点到所有其他节点的最短路径的算法。它通过不断选择当前距离最短的节点，并更新与该节点相邻节点的距离，逐步构建最短路径树。Dijkstra算法适用于
转载
2024-08-07 14:07:38
126阅读
# SIFT Python 完整代码实现
## 1. 流程图
```mermaid
flowchart TD
A[开始] --> B[加载图像]
B --> C[转换为灰度图像]
C --> D[检测特征点]
D --> E[提取特征描述子]
E --> F[匹配特征点]
F --> G[绘制匹配结果]
G --> H[结束]
```
原创
2023-12-21 10:29:11
501阅读
# Python爬虫完整代码
在网络爬虫领域，Python是一种非常流行的语言，它的简洁性和强大的库支持使得编写爬虫程序变得相对容易。本文将介绍一个简单的Python爬虫完整代码，用于爬取指定网页上的信息。
## 爬虫代码示例
以下是一个简单的Python爬虫程序示例，用于获取指定网页上的标题和链接信息：
```python
import requests
from bs4 import
原创
2024-05-01 05:01:51
357阅读
