《表2 K-近邻网络平均模块度和模块数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于学习行为时间序列相似性模型的研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文采用层次化社团结构分析凝聚算法，简称BGLL算法[10]，首先，先把每一个学习行为时间序列节点都看作一个独立的社团，对网络节点进行模块度增量分析，具体为：对任意相邻的节点i和j，计算将节点i加入其邻居节点j所在社团时对应的模块度增量为，计算并找出节点i加入其所有邻居节点所在社团的增量中最大的一个，当时，将节点i加入该社团；否则，节点i不变，遍历所有节点，划分出新的一层社团。然后，构造一个新网络，其中，节点是前一阶段划分出的社团；重复步骤直到不能再划分出更高一层的社团结束。使用Gephi中的模块挖掘算法，计算网络的平均模块度和模块数见表2。