如何識別網絡中的節點群集

Question

我有一張表描述了幾組連接的節點：

node
origin_node REFERENCES node
start_time
end_time

我想找出數據集包含多少個群集，例如，記錄是否為：

A, B, 10:00, 11:00
B, C, 9:00, 9:15
D, E, 10:00, 10:15
B, A, 13:00, 13:30
E, B, 12:00, 13:20
F, G, 9:00, 9:15

...那么我將有兩個群集{A，B，C，D，E}和{F，G}

（時間幾乎沒有關系-只是用來證明node + origin_node不一定是唯一的/有序的）。

但是我在制定一種算法上有些困惑，該算​​法可以從幾千行中識別出集群。

我正在使用MySQL 5.0.22-所以沒有'CONNECT BY'，並且可以訪問PHP和awk-盡管對我而言，理解算法而不是編碼解決方案會更容易。 只要花費少於幾個小時的時間來分析數據，我就會傾向於簡化訂單。

順便說一句：這是一個現實世界的問題-不是作業（我很久以前就不再是學生-也許還為時過早；）

TIA

Answer 1

對我來說，理解算法而不是編碼解決方案會更容易

嘗試過這些鏈接？

http://en.wikipedia.org/wiki/Cluster_analysis

http://en.wikipedia.org/wiki/類別：Data_clustering_algorithms

另外，盡管不是MySQL，但Microsoft網站上還有一些東西：

http://msdn.microsoft.com/en-us/library/ms174879.aspx

---

根據您的評論進行編輯：

在您的特定情況下，類似於創建閉合表的方法可能會起作用。

正在使用臨時表...

從任意節點開始。 將其分配給新集群。

下一個節點。 是否存在從當前標識的集群到節點的鏈接？

• 如果否，請將其分配給新群集。

• 如果是，請將其分配給該群集。 然后，對於每個鏈接，確認已經處理的節點在同一群集中。 如果不是，則將它們重新分配給該群集。

Answer 2

遍歷網絡並標記訪問的節點（類似於垃圾收集算法）。 它相當有效，但是需要大量代碼。