如果您从 R 中使用 igraph,请使用此选项
embed_laplacian_matrix {igraph} | R 文档 |
图的拉普拉斯矩阵的谱分解。
embed_laplacian_matrix(
graph,
no,
weights = NULL,
which = c("lm", "la", "sa"),
type = c("default", "D-A", "DAD", "I-DAD", "OAP"),
scaled = TRUE,
options = igraph.arpack.default
)
图 |
输入图,有向或无向。 |
否 |
一个整数标量。该值是谱嵌入的嵌入维度。应小于顶点数。最大的 |
权重 |
用于计算加权嵌入的可选正权重向量。如果图具有 |
哪个 |
使用哪些特征值(或奇异值,对于有向图)。‘lm’ 表示具有最大幅度的特征值,‘la’ 表示(代数)最大的特征值,‘sa’ 表示(代数)最小的特征值。默认值为 ‘lm’。请注意,对于有向图,‘la’ 和 ‘lm’ 是等效的,因为奇异值用于排序。 |
类型 |
要使用的拉普拉斯算子的类型。存在各种拉普拉斯算子的定义,可以通过此参数在它们之间进行选择。 可能的值:
默认值(即类型 |
缩放 |
逻辑标量,如果 |
选项 |
一个命名列表,其中包含 ARPACK 中 SVD 计算算法的参数。默认情况下,值列表被分配给 |
此函数基于其拉普拉斯矩阵 L
计算图的 no
维欧几里得表示。此表示通过拉普拉斯矩阵的奇异值分解来计算。
它们本质上与 embed_adjacency_matrix
做的事情相同,但作用于拉普拉斯矩阵而不是邻接矩阵。
包含以下条目的列表
X |
估计的潜在位置,一个 |
Y |
无向图的 |
D |
算法计算的特征值(对于无向图)或奇异值(对于有向图)。 |
选项 |
一个命名列表,有关底层 ARPACK 计算的信息。有关详细信息,请参见 |
Gabor Csardi csardi.gabor@gmail.com
Sussman, D.L., Tang, M., Fishkind, D.E., Priebe, C.E. 随机块模型图的一致邻接谱嵌入,美国统计协会杂志,第 107(499) 卷,2012 年
embed_adjacency_matrix
, sample_dot_product
## A small graph
lpvs <- matrix(rnorm(200), 20, 10)
lpvs <- apply(lpvs, 2, function(x) { return (abs(x)/sqrt(sum(x^2))) })
RDP <- sample_dot_product(lpvs)
embed <- embed_laplacian_matrix(RDP, 5)