characterofnetwork网络特征.pptxVIP

网络特征 小世界网络 无尺度网络 网络自相似性 网络特征 在考虑网络特征的时候，使用两个特征来衡量网络： 　　特征路径长度（characteristic path length）：在网络中，任选两个节点，连同这两个节点的最少边数，定义为这两个节点的路径长度，网络中所有节点对的路径长度的平均值，定义为网络的特征路径长度。这是网络的全局特征。 　　聚 合系数(clustering coefficient)：假设某个节点有k个边，则这k条边连接的节点（k个）之间最多可能存在的边的个数为k(k-1)/2，用实际存在的边数除以最多可能存在的边数得到的分数值，定义为这个节点的聚合系数。所有节点的聚合系数的均值定义为网络的聚合系数。聚合系数是网络的局部特征，反映了相邻两个人之间朋友圈子的重合度，即该节点的朋友之间也是朋友的程度。 小世界网络（small world） 小世界网络是一种数学之图的类型，在这种图中大部份的结点不与彼此邻接，但大部份结点可以从任一其他点经少数几步就可到达。若将一个小世界网络中的点代表一个人，而连结线代表人与人认识，则这小世界网络可以反映陌生人由彼此共同认的人而连结的小世界现象。 　　自相似指的是这样一种性质，系统在不同尺度上看起来性质相同。小世界网络的定义就没有这么明确，只说它是规则和随机网络的中间物。这种不明确性可能来源于对它了解的缺乏。 小世界网络模型 初始化(给定规则网)：从具有N个结点的环形网络开始，每个结点都有它初始的2k个邻居有链接 随机化（改写旧链接）：以概率p随机为规则网络的每条边重新连线，方法是将该连线的一个端点随机的放到另一个新位置上。同时保证没有自连结和重连边。 规则网的连线条数是 nk,改动的概率是p,重连的条数是pnk ,当 p=0时,对就的为网络规则图,当p=1 时 ,对应的为随机网络图,当 介于(0,1)区间任意值时,模型显示出小世界特性 . 小世界网络特征 高聚集系数C(p)，短特征路径长度L(p) 每个结点有大致相同的链接数目 有N个结点的小世界网络，它的边数趋近于o(n) 无尺度网络 　按生长方式定义：如果网络的每个节点的连接数与此节点产生新连接的概率成增函数关系，这个网络就叫无尺度网络。 　按分布定义：如果网络中有一定数量的连接的节点数与此连接数量成减函数，这个网络就叫无尺度网络。 在随机的网络结构中，节点与其他节点的连结的数量呈正态分布； 在规则的网络结构中，节点与其他节点的连结数量是固定的。 以上两类网络中，节点与其他节点的连结的数量分布都有规则可循，因此是有尺度的网络。然而，用数学方法描绘互联网时，出乎意料地发现有些节点与大量的其他节点连结，形成一个个集散中心（称为集散节点），因而把互联网这样的网络称为无尺度网络（scale-free network）。 无尺度网络特点 增长性：假设网络中最初有M0个结点，新加入的结点通过m(v,mo)与已存在的m个结点相连。无尺度网络的节点数量均呈现高增长现象 优先连接：无尺度网络新增节点在连结过程中，并非所有旧节点的机会都是平等的，这种现象也称之为“马太效应”。例如，在选择将网页连结到何处时，尽管人们可以从数十亿个网站中进行选择，然而我们大部分人只熟悉整个互联网的一小部分，这一小部分往往就是那些拥有较多连结的站点，只要连结到这些站点，就等于基本联结了整个网络。  无尺度网络特点 无尺度网络中度分布为幂律分布， 无尺度网络中包含无数节点，大部分节点与其他节点只有几个连结，有些节点与大量的其他节点连结，称为集散节点。 无尺度网络不存在代表性的节点，但受少数集散节点的支配，并具有如下可预期的行为特性：对意外事件具有惊人的承受力，对协同式攻击很脆弱，受制于某些基本的法则。 自相似性复杂网络 虽然小世界网络，无尺度网络比较准确的把握了现实世界中网络的基本特征，但是，它们是基于对现实网络进行简化的前提下得到的结果，忽视了一些重要因素，计算机网络结点之间的链接。 如果按照择优链接概率，所有的新增结点都会链接到同一结点上，而现实网络并非如此，而是形成了不同的集散结点。这个例子说明网络结点之间的链接有可能是基于一些相似的性质，结点和结点之间有某种共性才链接。 网络通过结点与结点相连形成，结点与结点之间是通过某种共性联系相连接，如人际关系的“人以类聚，物以群分” 自相似性 自相似性是整体与局部相似，在局部中又有相似的局部，在局部中包含的信息量不少于整体的信息量，这样不断循环的无穷嵌套过程。 一个系统的自相似性是指某种结构或过程的特征从不同的空间尺度或时间尺度来看都是相似的, 或者某系统或结构的局域性质或局域结构与整体类似.另外,在整体与整体之间或部分与部分之间,也会存在自相似性.一般情况下自相似性有比较复杂的表现形式,而不是局域放大一定倍数以后简单地和整