网络聚类中轮廓系数的性能

Research Paper#Network Clustering, Silhouette Score, Community Detection🔬 Research|分析: 2026年1月3日 08:38•
发布: 2025年12月31日 13:02
•
1分で読める
•ArXiv

分析

本文研究了轮廓系数的有效性，轮廓系数是评估聚类质量的常用指标，特别是在网络社区检测的背景下。它弥补了对该指标在各种网络场景（无权、加权、全连接）和不同条件（网络大小、分离强度、社区大小不平衡）下的表现的理解差距。这项研究的价值在于为使用轮廓系数进行网络聚类的研究人员和从业者提供实用指导，阐明其局限性和优势。
引用 / 来源
查看原文
"The silhouette score accurately identifies the true number of communities when clusters are well separated and balanced, but it tends to underestimate under strong imbalance or weak separation and to overestimate in sparse networks."
A
ArXiv2025年12月31日 13:02
* 根据版权法第32条进行合法引用。
较旧

DeepSeek Open Infra: Open-Sourcing 5 AI Repos in 5 Days

较新

Show HN: I trained an AI model on 120M+ songs from iTunes

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv