如果您从 R 中使用 igraph，请使用此选项
| scg-method {igraph} | R 文档 |
用于执行矩阵和图的谱粗粒化 (SCG) 的函数。
SCG 函数提供了一个框架，称为谱粗粒化 (SCG)，用于缩小大型图的规模，同时保留其与谱相关的特征，即与图矩阵的特征值和特征向量密切相关的特征（目前可以是邻接矩阵、随机矩阵或拉普拉斯矩阵）。
此类特征的常见示例包括 Markov 图上随机游走的首次通过时间、统计物理学中格子模型的热力学性质（例如伊辛模型）以及流行病网络模型的流行病阈值（SIR 和 SIS 模型）。
SCG 与传统聚类方案的不同之处在于，它生成一个粗粒化图（不仅仅是顶点的分区），代表原始图。 如 [1] 所示，主成分分析可以被视为一种特殊的 SCG，称为精确 SCG，其中要进行粗粒化的矩阵是某个数据集的协方差矩阵。
对于处理矩阵本征对在其中发挥重要作用的问题的各个领域的从业者，SCG 应该会很有趣，例如网络上的动态过程就是这种情况。
David Morton de Lachapelle, http://people.epfl.ch/david.morton。
D. Morton de Lachapelle, D. Gfeller, and P. De Los Rios, Shrinking Matrices while Preserving their Eigenpairs with Application to the Spectral Coarse Graining of Graphs. Submitted to SIAM Journal on Matrix Analysis and Applications, 2008. http://people.epfl.ch/david.morton
D. Gfeller, and P. De Los Rios, Spectral Coarse Graining and Synchronization in Oscillator Networks. Physical Review Letters, 100(17), 2008. https://arxiv.org/abs/0708.2055
D. Gfeller, and P. De Los Rios, Spectral Coarse Graining of Complex Networks, Physical Review Letters, 99(3), 2007. https://arxiv.org/abs/0706.0812