马尔可夫聚类算法(MCL)

2024-05-12 23:48
文章标签 算法 聚类 马尔可夫 mcl

本文主要是介绍马尔可夫聚类算法(MCL),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1.基础

1.1Random Walks

在图中,通过Random Walks处理,可以找到数据在哪里聚集,或者聚簇在哪。

图中的Random Walks是使用马尔可夫链计算求出。


1.2马尔可夫链(Markov Chain)

先看一个简单的例子:


第一步,结点1的Random Walker有33%的概率到达结点2、3和4,且有0%的概率到达结点5、6和7。
对于结点2,有25%的概率到达结点1、3、4和5,且有0%的概率到达6和7。
由此可以得到一个过渡矩阵(transition matrix)或者称为概率矩阵(probability matrix):

注意:矩阵的每一列之和是1。
再看一个简单的例子:

然后,进行一下操作:


到此,Markov Chain的定义可以描述为:
Markov Chain指变量X1、X2、X3等的一个状态序列(在上述的例子中,是一个概率矩阵),它给出当前状态、历史状态和未来状态,并且状态之间彼此独立。
每一步的概率仅仅依赖于当前的概率。一个Random Walk是一个使用过渡概率矩阵的Markov Chain的例子。


1.3加权图

对于加权图而言,要转换成概率矩阵,需要进行列的标准化(即每个值除以所在列的所有值之和)。
看一个简单的例子:

然后,进行列的标准化:


注意:它不是对称的。


2.MCL

2.1Expansion

但是,上面的例子有一个问题。就是对于奇数长度的简单,进行奇数次幂的扩大获得的值有很大的影响。同样,对于偶数也有影响。
要解决这个问题,需要对每个节点添加一条自循环的边。通过添加一条长度为1的路径,在计算矩阵的奇数次幂时,这个问题就不在发生。

而对于Markov Chain求幂的运算就称为“Expansion”。


2.2Inflation

同样,先看例子:

上面的变换,即求Inflation的平方运算。由此可以看出,Inflation操作就是:求矩阵中每个元素的n次幂,然后求出的结果除以所在列的所有元素之和。
标准的定义是这样的:

Inflation操作的职责是增大或减小当前概率(增大当前大概率,减小当前小概率)。同时,Inflation的参数r影响聚簇的粒度。


2.3算法

在MCL中,下面两个处理过程交替的重复执行:
  • Expansion(计算Markov Chain过渡矩阵的幂)
  • Inflation
Expansion操作的职责是让流连接图的不同区域。
Inflation操作的职责是同时增大和减小当前概率。
算法实现步骤:
  1. 输入一个无向图,Expansion的幂e和Inflation的参数r,
  2. 创建邻接矩阵,
  3. 对每个结点添加自循环(可选的),
  4. 标准化矩阵(每个元素除以所在列的所有元素之和),
  5. 计算矩阵的第e次幂,
  6. 用参数r对求得的矩阵进行Inflation处理,
  7. 重复第5步和第6步,直到状态稳定不变(收敛),
  8. 把最终结果矩阵转换成聚簇。

2.4算法实现

在进行大数据处理的时候,我们可以根据上一次和下一次结果矩阵是否相等来停止运算,但更常见更易操作的方法是采用迭代次数来控制。(另外,由于Python Numpy的矩阵没有四舍五入或进1制,用all()方法比较就不太理想,所以代码采用迭代方式)。如下:
import numpy as npdef markovCluster(adjacencyMat, dimension, numIter, power = 2, inflation = 2):columnSum = np.sum(adjacencyMat, axis = 0)probabilityMat = adjacencyMat / columnSum#Expand by taking the e^th power of the matrix.def _expand(probabilityMat, power):expandMat = probabilityMatfor i in range(power - 1):expandMat = np.dot(expandMat, probabilityMat)return expandMatexpandMat = _expand(probabilityMat, power)#Inflate by taking inflation of the resulting #matrix with parameter inflation. def _inflate(expandMat, inflation):powerMat = expandMatfor i in range(inflation - 1):powerMat = powerMat * expandMatinflateColumnSum = np.sum(powerMat, axis = 0)inflateMat = powerMat / inflateColumnSumreturn inflateMatinflateMat = _inflate(expandMat, inflation)for i in range(numIter):expand = _expand(inflateMat, power)inflateMat = _inflate(expand, inflation)print(inflateMat)if __name__ == "__main__":dimension = 4numIter = 2adjacencyMat = np.array([[1, 1, 1, 1],[1, 1, 0, 1],[1, 0, 1, 0],[1, 1, 0, 1]])markovCluster(adjacencyMat, dimension, numIter)

2.5收敛矩阵转换为聚簇

为了找到聚簇,把所有的点分为两类:Attractor,聚集其他点;Vertex,被聚集的点。其中,Attractor所在的行必须至少有一个正值。每个Attractor聚集它所在行上有正值的点。然后,Attractor和被它聚集的点被分到一个聚簇。

如上图,则分为{1,6,7,10},{2,3,5},{4,8,9,11,12}三个聚簇。
一般来说,看行的正值点。
注意:重叠簇。所谓重叠簇,是指某个点被多个聚簇所共享。一般而言,重叠簇仅发生在特殊的对称图中:

  • 当且仅当某些点等概率的分配到多个聚簇;
  • 当且仅当簇与簇是同构的。

2.6Inflation参数

前面提到了Inflation参数会影响聚簇的粒度。下面有一组图进行说明,其中a是自循环的权值。

我把更详细的MLC英文原始文档放在:http://download.csdn.net/detail/u010376788/9328693,结合起来看效果会更好。



这篇关于马尔可夫聚类算法(MCL)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/984088

相关文章

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.

Java时间轮调度算法的代码实现

《Java时间轮调度算法的代码实现》时间轮是一种高效的定时调度算法,主要用于管理延时任务或周期性任务,它通过一个环形数组(时间轮)和指针来实现,将大量定时任务分摊到固定的时间槽中,极大地降低了时间复杂... 目录1、简述2、时间轮的原理3. 时间轮的实现步骤3.1 定义时间槽3.2 定义时间轮3.3 使用时

如何通过Golang的container/list实现LRU缓存算法

《如何通过Golang的container/list实现LRU缓存算法》文章介绍了Go语言中container/list包实现的双向链表,并探讨了如何使用链表实现LRU缓存,LRU缓存通过维护一个双向... 目录力扣:146. LRU 缓存主要结构 List 和 Element常用方法1. 初始化链表2.

golang字符串匹配算法解读

《golang字符串匹配算法解读》文章介绍了字符串匹配算法的原理,特别是Knuth-Morris-Pratt(KMP)算法,该算法通过构建模式串的前缀表来减少匹配时的不必要的字符比较,从而提高效率,在... 目录简介KMP实现代码总结简介字符串匹配算法主要用于在一个较长的文本串中查找一个较短的字符串(称为

通俗易懂的Java常见限流算法具体实现

《通俗易懂的Java常见限流算法具体实现》:本文主要介绍Java常见限流算法具体实现的相关资料,包括漏桶算法、令牌桶算法、Nginx限流和Redis+Lua限流的实现原理和具体步骤,并比较了它们的... 目录一、漏桶算法1.漏桶算法的思想和原理2.具体实现二、令牌桶算法1.令牌桶算法流程:2.具体实现2.1

Python中的随机森林算法与实战

《Python中的随机森林算法与实战》本文详细介绍了随机森林算法,包括其原理、实现步骤、分类和回归案例,并讨论了其优点和缺点,通过面向对象编程实现了一个简单的随机森林模型,并应用于鸢尾花分类和波士顿房... 目录1、随机森林算法概述2、随机森林的原理3、实现步骤4、分类案例:使用随机森林预测鸢尾花品种4.1

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖