迭代式标记传播算法python代码

以下是一个简单的基于Python的标记传播算法的代码示例：

import numpy as np

def label_propagation(adj_matrix, labels, max_iter=1000, tol=1e-3):
    """
    adj_matrix: 邻接矩阵, n x n 的矩阵
    labels: 标签, n x c 的矩阵, c 表示类别数
    max_iter: 最大迭代次数
    tol: 收敛阈值
    """
    n = adj_matrix.shape[0]
    y = np.copy(labels)
    y_prev = np.zeros_like(y)

    for i in range(max_iter):
        # 记录上一次的标签
        y_prev[:] = y
        # 进行标记传播
        y = adj_matrix.dot(y)
        # 对于已知类别的节点，保持不变
        y[np.where(labels)] = labels[np.where(labels)]
        # 计算误差
        error = np.abs(y - y_prev).mean()
        if error < tol:
            break

    return y

这个函数接受邻接矩阵和标签作为输入，并输出更新后的标签。在每次迭代中，它将当前标签乘以邻接矩阵，同时保持已知标签不变。重复此过程，直到误差小于指定的收敛阈值或达到最大迭代次数。