directed_combinatorial_laplacian_matrix#
- directed_combinatorial_laplacian_matrix(G, nodelist=None, weight='weight', walk_type=None, alpha=0.95)[source]#
返回图 G 的有向组合拉普拉斯矩阵。
图的有向组合拉普拉斯矩阵定义为:
\[L = \Phi - \frac{1}{2} \left (\Phi P + P^T \Phi \right)\]其中
P
是图的转移矩阵,Phi
是一个对角线上为P
的 Perron 向量,其他位置为零的矩阵 [1]。根据 walk_type 的值,
P
可以是随机游走、懒惰随机游走或带跳转的随机游走(PageRank)诱导的转移矩阵。- Parameters:
- GDiGraph
一个 NetworkX 图
- nodelistlist, 可选
行和列按照 nodelist 中的节点顺序排列。 如果 nodelist 为 None,则顺序由 G.nodes() 生成。
- weightstring 或 None, 可选 (默认=’weight’)
用于计算矩阵中每个值的边数据键。 如果为 None,则每条边的权重为 1。
- walk_typestring 或 None, 可选 (默认=None)
可以是
"random"
,"lazy"
, 或"pagerank"
。如果walk_type=None
(默认),则根据G
的属性选择一个值: - 如果G
是强连通且非周期的,则walk_type="random"
- 如果G
是强连通但非周期的,则walk_type="lazy"
- 其他情况下,walk_type="pagerank"
- alpha实数
(1 - alpha) 是 PageRank 中使用的跳转概率
- Returns:
- LNumPy 矩阵
G 的组合拉普拉斯矩阵。
Notes
仅针对 DiGraph 实现
结果始终是一个对称矩阵。
此计算使用图
G
的出度。若要使用入度进行计算,请使用G.reverse(copy=False)
并取其转置。References
[1]Fan Chung (2005). 有向图的拉普拉斯矩阵和 Cheeger 不等式。 组合数学年刊,9(1),2005年