基于Louvain启发式算法的SDN多控制器布局。

本资源收录了关于多层网络的模块度最大化问题的（multiplex modularity maximization，mmm）genlouvain贪婪算法，pmm算法与自编谱方法，并收录了一些常用的多层网络数据（包括实际数据与合成数据），并附上了算法在这些数据上的运行结果。特别地，对于合成数据，还提供了nmi与ari评价指标的代码

鲁汶算法聚类

Louvain聚类和蛋白质间相互作用（PPI）网络的集中度分析 该存储库包含python脚本 从PPI网络中检测具有统计意义的重要社区。 进行集中度分析 要求 python 3.0 网络x 2.4 qstest 1.1.0 熊猫1.0.4 用法 用于重大社区发现 python python/find__significant_module.py -n example/example_network.txt -g example/example_input.txt -o output_dir 有关详细信息： python python/find__significant_module.py -h 用于中心性分析 python python/perform_centrality_analysis.py -n example/example_network.txt -g exampl

python离线安装包，亲测可用

python离线安装包，亲测可用

python离线安装包，亲测可用

鲁汶社区检测 正在安装 要从源代码构建和安装，请运行 python setup.py install 您也可以从pip安装 pip install python-louvain pip上的软件包名称是python-louvain但已作为community导入到python中。 有关此模块的更多文档，请参见 用法 用作Python库 import community as community_louvain import matplotlib . cm as cm import matplotlib . pyplot as plt import networkx as nx # load the karate club graph G = nx . karate_club_graph () # compute the best partition partition = communit

matlab分时代码GenLouvain版本2.2 2019年7月发行 请引用此代码，例如Lucas GS Jeub，Marya Bazzi，Inderjit S. Jutla和Peter J. Mucha， “在MATLAB中实现的用于社区检测的通用Louvain方法，” （2011-2019年）。 内容： 该软件包包含主要的genlouvain.m文件，该文件调用许多实现为mex函数的子例程。 mex文件的源代码包含在“ MEX_SRC”目录中。 专用目录中包含针对64位Mac，Windows和Linux系统的预编译可执行文件。 它还包括genlouvain ，它通过可选的后处理将genlouvain iterated_genlouvain.m地应用于上genlouvain运行的输出分区。 “ HelperFunctions”目录中包含用于计算模块化矩阵和后处理分区的函数。 后处理功能使用Markus Buehren的代码（包含在“ Assignment”目录中，可在处找到）来解决最佳分配问题。 安装说明： 确保“ GenLouvain”文件夹及其所有子文件夹在MATLAB路径中，

改进的Louvain社团划分算法