cdlib.algorithms.coach¶
- cdlib.algorithms.coach(g_original: object, density_threshold: float = 0.7, affinity_threshold: float = 0.225, closeness_threshold: float = 0.5) NodeClustering¶
核心附着（CoAch）算法的动机来自于对蛋白质复合物通常具有高度互动的蛋白质密集核心的观察。 CoAch分两步工作，首先发现网络中高度连接的区域（“初步核心”），然后通过添加强关联的邻居来扩展这些区域。
该算法操作有三个用户指定的参数：最小核心密度（用于初步核心），最大核心亲和度（用于不同初步核心的相似性阈值），以及最小邻居紧密度（用于将非核心邻居附加到初步核心）。
支持的图表类型
无向
有向
加权
是的
否
否
- Parameters:
g_original – 一个 networkx/igraph 对象
density_threshold – 最小核心密度。默认值为0.7
affinity_threshold – 最大核心亲和度。默认值为0.225
closeness_threshold – 最小邻居接近度。默认值为0.5
- Returns:
节点聚类对象
- Example:
>>> from cdlib import algorithms >>> import networkx as nx >>> G = nx.karate_club_graph() >>> coms = algorithms.coach(G)
- References:
吴, M., 李, X., 郭, C.-K., 吴, S.-K. 一种基于核心-附件的方法来检测蛋白质复合物。2009年。在PPI网络中。BMC生物信息学 10, 169.