問題タブ [adjacency-matrix]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
matlab - MATLABの隣接行列で選択した行からXステップ内のすべてのエッジ(およびノード)を見つける
大規模なネットワーク構造の to-from ノードの nx2 マトリックスがあります。これを使用して、BIOGRAPH を使用してプロットできる疎な隣接行列を作成しました。私のシステムのサイズはさまざまで、最大のものは 3000 を超えるノードを持っています (明らかに、プロットには適していません)。
線を選択した場合、指定された X (通常は 3) に対して、元の線 (2 つのノード) から X の「ステップ」内にあるすべての線とノードのリストを作成できるようにしたいと考えています。ブルートフォースを使用することは明らかにそれほど難しくありません。ただし、これをできるだけ早く行う必要があります。
隣接行列を使用してこれを行う方法はありますか? to/from リストを使用してより効率的に行うことはできますか?
私が今行っているのは、選択したラインに接続されているノードのインデックスを見つけてから、to-from ノードのリスト全体を検索し、to/from 要素のいずれかが選択したラインのノードの 1 つと等しいすべてのラインを見つけることです。 . 次に、ノードの新しいリストを使用して to/from リスト全体を検索し、これらのノードを再度検索します。
私が今使用しているコードは次のようになります。
ありがとうございました!
algorithm - 隣接行列で選択した行から k ステップ以内のすべてのエッジのインデックスを見つける
疎な隣接行列のノードの初期セットからすべてのノード k ステップ数を見つけることができる関数があります。通常、この初期セットは、1 つのブランチの to-from ノードです。これらのノードに到達するために「使用される」ブランチのリストが必要です。
接続されたノードを見つけるために使用する関数は次のとおりです。
最後の行を k 回繰り返して、最初のノードから k ステップ離れたすべてのノードを見つけることができます。
私がやりたいことは、これらのノードに到達するために使用される各ブランチの行 (ブランチ リスト内) を見つけることです。
これを行う効率的な方法はありますか?
ありがとうございました!
c++ - 隣接行列
これら 2 つの関数を組み合わせて、ユーザーが頂点の数を入力してからグラフのエッジを入力できるようにするプログラムを作成するにはどうすればよいですか?
r - エッジリストから加重隣接リスト/マトリックスを作成するには?
私の問題は非常に単純です。エッジのリストから隣接リスト/マトリックスを作成する必要があります。
column1 = node1 および column2 = node2 の csv ドキュメントに保存されているエッジ リストがあり、これを加重隣接リストまたは加重隣接マトリックスに変換したいと考えています。
より正確に言うと、データは次のようになります。数字は単にノード ID です。
これから加重隣接リスト/マトリックスに変換する方法に関するヒントはありますか? これは、成功せずに以前にそれを行うことを決意した方法です(Dai Shizukaの礼儀):
ありがとうございました!
python - Python - マトリックスをエッジ リスト/ロング フォームに変換する
次のようなマトリックスを含む非常に大きな csv ファイルがあります。
これは常に an*n 行列です。最初の列と最初の行は名前です。次のように、3 列の形式 (エッジ リスト、長い形式などとも呼ばれます) に変換したいと思います。
利用した:
動作しません...
助けていただけますか?ありがとうございました..
opencv - (OpenCV) 流域からの高速隣接行列計算
流域画像から領域隣接行列を計算するために、以下で行った方法よりも高速な方法があるかどうかを知りたいです。
入力: 1 から N までのラベルが付いた N 領域を含む流域画像。
出力: これらの N 領域の隣接行列。
1. 各領域について、対応するマスクを計算し、すべてのマスクをベクトルに入れます。
2. 2 つの領域が隣接しているかどうかをチェックする関数を定義します。
3. 隣接行列 M を計算します。i 番目の領域と j 番目の領域が隣接している場合、M[i][j] = M[j][i] =1、そうでない場合は 0 です。