定义
k核算法（k-core）[1]是图算法中的一个经典算法，用以计算每个节点的核数，用于寻找一个图中符合指定核心度的顶点的集合，即要求每个顶点至少与该子图中的其他k个顶点相关联。它有助于识别网络中较小的互联核心区域。其计算结果是判断节点重要性最常用的参考值之一，较好的体现了节点的传播能力。k核算法（k-core）适用于社区发现、金融风控等场景。如图1所示，分别对应1-core,2-core，3-core。
图 1 1-core，2-core，3-core对应关系
K中心算法的基本过程是：首先为每个簇随意选择一个代表对象，剩余的对象根据其与每个代表对象的距离（此处距离不一定是欧氏距离，也可能是曼哈顿距离）分配给最近的代表对象所代表的簇；然后反复用非代表对象来代替代表对象，以优质聚类质量。聚类质量用一个代价函数来表示。当一个中心点被某个非中心点替代时，除了未被替换的中心点外，其余各点被重新分配。
参考文献
[1] Dorogovtsev S N, Goltsev A V, Mendes J F F. K-core organization of complex networks[J]. Physical review letters, 2006, 96(4): 040601.
