This hub is created for a community detection project of summer school in NUS. Now it is used for data mining.
There are two main categories：community detection and decision tree.
------origin readme------
Part of ipynb code is provided by professor Kal.
Thanks for professor Leong, professor Kal and other three team members. Following is what we have done every day：
- 7-23:计划和讨论项目roadmap，头脑风暴，选择研究对象。
- 7-24:图片格式转换，python、matlab裁剪图片、处理图片属性，手动获取训练集，完成single-linked cluster算法，graph生成。完成不同歌手的唱片封面相似度CD。
- 7-25:选用电影人物截图作为dataset，完整地用自己的数据集跑了多次代码，对结果和失败的成因做了分析，安排今晚分工：gephi、图像预处理、层次聚类可视化、做poster准备展示。
- 7-26：完成poster和ppt，数据集预处理，Gephi数据导出导入、图像生成，尝试层次聚类的库和画图，手写完成single-linked cluster、complete-linked cluster、average-linked cluster，对cd结果进行分析。安排：继续尝试层次聚类过程可视化，分析single-linkek cd之后的结果，考虑进下一个项目。
- 7-27 阅读孪生神经网络代码，使用MCL进行CD，尝试调神经网络参数，debug CD代码。明天早上进一步工作的安排，提高效率。
- 7-28 重新训练模型，得到了目前最好的训练结果，使用不同CD算法进行Clustering，调参得到更好的结果，目前MCL算法效果最好。明天休息、自由活动，这两天分别进行community分析，周一汇总。
- 7-30 导出最后的结果，作图、写迭代过程、分析算法、制作海报。
- 7-31 为最后的展示做准备，提交海报和其他展示文件，准备展示网页。