clustering_local_w(tnet)
clustering_local_w()所属R语言包：tnet
Barrat et al. (2004) generalised local clusering coefficient
barrat等。 （2004）广义局部clusering系数
译者：生物统计家园网 机器人LoveR
描述----------Description----------
This function calculates Barrat et al. (2004) generalised local clusering coefficient.<br> See http://toreopsahl.com/2009/01/23/weighted-local-clustering-coefficient/ for a detailed description. By default it defines the triplet value as the average of the two tie weights; however it can also define it differently. See the blog post.<br> Note: If there are very large tie weights in a network, the geometric method in R fails. However, this can be fixed by transforming the values.<br> net[,"w"] <- (net[,"w"]/min(net[,"w"])) <br> This step is not required unless you receive warnings when running the function.
此函数计算Barrat等。 （2004）广义局部clusering系数。<br>查看http://toreopsahl.com/2009/01/23/weighted-local-clustering-coefficient/的详细说明。缺省情况下它定义两个领带权重的平均值作为三重峰，但是它也可以定义不同。请参阅博客文章。<br>注意：如果有非常大的联系网络中的权重的几何方法在R失败。然而，这可以通过改变这些值是固定的。<BR>网，“W”] < - （扣除，“W”] /分钟（扣除，“W”]））参考此步骤不是必须的，除非你运行函数时收到警告。
用法----------Usage----------
clustering_local_w(net, measure = "am")
参数----------Arguments----------
参数：net
A weighted edgelist
A加权EdgeList都
参数：measure
The measure-switch control the method used to calculate the value of the triplets.<br> am implies the arithmetic mean method (default)<br> gm implies the geometric mean method<br> mi implies the minimum method<br> ma implies the maximum method<br> bi implies the binary measures<br> This can be c("am", "gm", "mi", "ma", "bi") to calculate all.
测量开关控制的方法来计算的价值三胞胎。参考上午意味着算术平均法（默认）参考克表示的几何平均数的方法参考英里，意味着最低的方法参考毫安意味着最大的方法参考BI意味着二进制措施<BR>的，这可以是c（“上午”，“GM”，“智”，“马”，“BI”）来计算所有。
值----------Value----------
Returns a data.frame with at least two columns: the first column contains the nodes' ids, and the remaining columns contain the corresponding clustering scores.
返回一个数据框，至少有两列：第一列包含节点的ID，而其余的列包含相应的聚类成绩。
注意----------Note----------
version 1.0.0
（作者）----------Author(s)----------
Tore Opsahl; http://toreopsahl.com
参考文献----------References----------
实例----------Examples----------
## Generate a random graph[＃生成随机图]
#density: 300/(100*99)=0.03030303; [密度：300 /（100 * 99）= 0.03030303;]
#this should be average from random samples[这应该是从随机样本的平均值]
rg <- rg_w(nodes=100,arcs=300,weights=1:10,directed=FALSE)
## Run clustering function[＃运行的聚类功能]
clustering_local_w(rg)
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-10-1 10:58:00
