spectral_graph_forge

spectral_graph_forge(G, alpha, transformation='identity', seed=None)

返回一个频谱类似于 G

该算法称为谱图伪造（SGF），计算给定图邻接矩阵的特征向量，对其进行滤波，生成具有相似特征结构的随机图。SGF在现实社会网络的综合中有着特殊的用途，它也可以用于图形敏感数据的匿名化。

参数

G图

alpha浮动

表示要考虑的G的特征向量的百分比的比率， [0,1] 。

transformation字符串，可选

表示所需的矩阵线性变换，可能的值为‘恒等式’和‘模块化’

seed整数、随机状态或无（默认）

多个随机数生成状态的指示符。看见 Randomness 。

返回

H图

具有与输入图相似的特征向量结构的图。

加薪

NetworkXError

如果转换的值与“identity”或“modularity”不同

笔记

谱图锻造（SGF）生成一个随机的简单图，类似于给定图的全局属性。它利用了由 阿尔法 精度参数。SGF保留输入图的节点数及其顺序。这样，输出图的节点类似于输入图的属性，并且可以直接映射属性。

它考虑了图邻接矩阵，可以选择将其转换为其他对称实矩阵（当前的转换选项包括 身份 和 模块性 ）这个 模块性 从纽曼的模块化矩阵的意义上说，转换允许关注图中与社区结构相关的属性。

SGF采用低阶近似，其固定阶数由比率计算 阿尔法 输入图的邻接矩阵维数。该步骤对输入特征向量进行滤波，类似于电信中常见的低通滤波。

过滤后的值（截断后）被用作伯努利采样的输入，用于构造随机邻接矩阵。

工具书类

1

L.Baldesi，C.T.Butts，A.Markopoulou，“光谱图锻造：图形生成目标模块化”，IEEE信息com，18.网址：https://arxiv.org/abs/1801.01715

2

M.纽曼，“网络：导论”，牛津大学出版社，2010年。

实例

>>> G = nx.karate_club_graph()
>>> H = nx.spectral_graph_forge(G, 0.3)
>>>