基于K-means聚类算法的社团发现方法 先定义了网络中节点关联度,并构建了节点关联度矩阵, 在此基础上给出了一种基于 K-means聚类算法的复杂网络社团发现方法。 以最小关联度原则选取新的聚类中心, 以最大关联度原则进行模式归类,直到所有的节点都划分完为止, 最后根据模块度来确定理想的社团数-K-means clustering algorithm based on the association discovery To define a network node cor

重叠社区发现LFM算法，基于python实现，导入的文件是lfr基准测试网络，里面写了检测指标，文件可更改，算法通过网络邻接矩阵来实现社区划分(The overlapping community found the LFM algorithm, based on the python implementation, the imported document is the LFR benchmark network, in which the detection index is written