R语言 qpgraph包 qpGetCliques()函数中文帮助文档(中英文对照)

loveR

qpGetCliques(qpgraph)
qpGetCliques()所属R语言包：qpgraph

                                         Clique list
                                         集团名单

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Finds the set of (maximal) cliques of a given undirected graph.
发现一个给定的无向图（最大）拉帮结派。


用法----------Usage----------


qpGetCliques(g, clqspervtx=FALSE, verbose=TRUE)



参数----------Arguments----------

参数：g
either a graphNEL object or an adjacency matrix of the given undirected graph.
无论是graphNEL对象或给定的无向图的邻接矩阵。


参数：clqspervtx
logical; if TRUE then the resulting list returned by the function includes additionally p entries at the beginning (p=number of variables) each corresponding to a vertex in the graph and containing the indices of the cliques where that vertex belongs to; if FALSE these additional entries are not included (default).
逻辑，如果为FALSE这些如果为TRUE，则函数返回的结果列表包括在开始时（P =变量数），另外，每个图和拉帮结派顶点属于指数在顶点相应的P项;不包括其他条目（默认）。


参数：verbose
show progress on calculations.
显示在计算方面取得的进展。


Details

详情----------Details----------

To find the list of all (maximal) cliques in an undirected graph is an NP-hard problem which means that its computational cost is bounded by an exponential running time (Garey and Johnson, 1979). For this reason, this is an extremely time and memory consuming computation for large dense graphs. The current implementation uses C code from the GNU GPL Cliquer library by Niskanen and Ostergard (2003).
要找到一个无向图中所有派系（最大）是一个NP-难的问题，这意味着指数的运行时间解读彼得凯和约翰逊（1979年）的范围内，其计算成本。出于这个原因，这是一个非常时间和内存的大型稠密图的消费计算。当前实现使用Niskanen和Ostergard（2003）的GNU GPL Cliquer库的C代码。


值----------Value----------

A list of maximal cliques. When clqspervtx=TRUE the first p entries (p=number of variables) contain, each of them, the indices of the cliques where that particular vertex belongs to.
最大派系名单。当clqspervtx=TRUE第一个P（P =变量数）包含条目，他们每个人，拉帮结派的地方，特别是顶点属于指数。


作者（S）----------Author(s)----------


R. Castelo



参考文献----------References----------

Gaussian graphical model search from microarray data with p larger than n. J. Mach. Learn. Res., 7:2621-2650, 2006.
theory of NP-completeness. W.H. Freeman, San Francisco, 1979.
Communications Laboratory, Helsinki University of Technology, Espoo, Finland, Tech. Rep. T48, 2003. (http://users.tkk.fi/~pat/cliquer.html)

参见----------See Also----------

qpCliqueNumber qpIPF
qpCliqueNumberqpIPF


举例----------Examples----------


require(graph)

set.seed(123)
nVar <- 50
g1 <- randomEGraph(V=as.character(1:nVar), p=0.3)
clqs1 <- qpGetCliques(g1, verbose=FALSE)

length(clqs1)

summary(sapply(clqs1, length))

g2 <- randomEGraph(V=as.character(1:nVar), p=0.7)
clqs2 <- qpGetCliques(g2, verbose=FALSE)

length(clqs2)

clqs2 <- qpGetCliques(g2, verbose=FALSE)

summary(sapply(clqs2, length))

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。