Differences

This shows you the differences between two versions of the page.

--- network_groups [2015/12/01 00:19] – hkimscil
+++ network_groups [2015/12/02 06:01] (current) – hkimscil
@@ Line 1: / Line 1: @@
 ====== Identifying groups of networks ======
+''setwd("D:/Users/Hyo/Cs-Kant/CS/Classes/sna_examples/sna_in_r")''
 <code># Network's characteristics and subgroups
 library(sna)
@@ Line 10: / Line 12: @@
 gplot(fmh, vertex.cex=0.5, arrowhead.cex=0.5)
 </code>
-{{fmh.png}}
+{{fmh.png?400}}
 <code>round(gden(fmh),4)
@@ Line 501: / Line 503: @@
 </code>
-str(fmh.clique$cliques)
+위의 ''str(fmh.clique$cliques)'' 는\\
-fmh.clique라는 데이터를
+fmh.clique 라는 데이터를
 clique.census(fmh, . . . .)를 이용하여 생성하고
 거기서 발견되는 클리크(cliques)들을 나열해 본것.
@@ Line 513: / Line 515: @@
 그 멤버들은 122, 183, 530, 1143, 1160 이다.
 Clique 정의에 따라서 이들은 maximal complete link (모두 연결되어 있는) 관계의 집단이다.
-<code>  ..$ :List of 15
+{{fmh.clique.5members.png?300}}
-  .. ..$ : int [1:4] 240 767 1300 1401
-  .. ..$ : int [1:4] 535 646 765 947
-  .. ..$ : int [1:4] 535 646 724 765
+<code>s = matrix(0,5,5)
-  .. ..$ : int [1:4] 290 836 1187 1335
+edge.list = matrix ( c(1,2,  1,3,  2,4,  2,5,  3,4,  3,5,  4,5,  5,4), byrow=T, ncol=2)
-  .. ..$ : int [1:4] 251 688 1087 1419
+s[edge.list]=1
-  .. ..$ : int [1:4] 487 729 749 991
+s
-  .. ..$ : int [1:4] 487 492 729 991
+rownames(s)<-c("a", "b", "c", "d", "e")
-  .. ..$ : int [1:4] 122 1143 1160 1415
+colnames(s)<-c("a", "b", "c", "d", "e")
-  .. ..$ : int [1:4] 285 425 590 817
+> s
-  .. ..$ : int [1:4] 121 296 677 794
-  .. ..$ : int [1:4] 121 291 296 677
-  .. ..$ : int [1:4] 114 890 1061 1261
-  .. ..$ : int [1:4] 114 150 1061 1261
-  .. ..$ : int [1:4] 425 590 817 941
-  .. ..$ : int [1:4] 83 425 590 817
-  ..$ :List of 1
-  .. ..$ : int [1:5] 122 183 530 1143 1160
 </code>
+<code>> s = matrix(0,5,5)
+> edge.list = matrix ( c(1,2,  1,3,  2,4,  2,5,  3,4,  3,5,  4,5,  5,4), byrow=T, ncol=2)
+> s[edge.list] = 1
+> s
+     [,1] [,2] [,3] [,4] [,5]
+[1,]    0    1    1    0    0
+[2,]    0    0    0    1    1
+[3,]    0    0    0    1    1
+[4,]    0    0    0    0    1
+[5,]    0    0    0    1    0
+</code>
+{{network_s.png?400}}
+눈으로 봐서 a를 중심으로 좌우동형이므로 b, c와 d,e는 각각 등치 (등가)라고 할 수 있다. 이를 수식으로 구하기 위한 접근 방법으로는 연결을 1, 비연결을 0으로 한 각 노드(점) 간의 거리를 구하여 거리가 가까운 것들을 모아 놓으면 될 것이다. 가장 흔한 예가 Hamming distance:
+  * see [[yt>P02mJhS9qQ4]]
+예:
+<code>library(sna)
+set.seed(123)
+p1<-runif(10,0,1)
+p2<-runif(10,0,1)
+G1<-rgraph(10,tprob=sapply(p1,rep,10))
+G2<-rgraph(10,tprob=t(sapply(p2,rep,10)))
+G<-G1*G2
+G
+hamming.G=sedist(G,method="hamming")
+cluster <- equiv.clust(G, method="hamming", cluster.method="complete")
+b.mdoel <- blockmodel(G, cluster, h=4.5)
+b.model
+plot(b.model)
+</code>
+{{cluster.dendrogram.png?400}}
+<code>> b.mdoel <- blockmodel(G, cluster, h=4.5)
+> b.model
+Network Blockmodel:
+Block membership:
+  2  3  4  5  6  7  8  9 10
+  2  1  3  4  1  1  3  4  5
+Reduced form blockmodel:
+        Block 1 Block 2 Block 3 Block 4 Block 5
+Block 1     0.0       0   0.875    0.25     0.5
+Block 2     0.5     NaN   0.000    0.50     1.0
+Block 3     0.0       0   0.500    0.25     0.5
+Block 4     0.0       1   0.000    0.50     0.0
+Block 5     0.0       0   1.000    1.00     NaN
+> plot(b.model)
+</code>
+{{blockmodel.png?400}}