郁伯铭-科学网—博客.PPT

  1. 1、本文档共49页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
郁伯铭-科学网—博客

三、加权确定性复杂网络(DCN)静态统计特性 1、加权聚类系数(Weighted clustering coefficient ) 考虑到在一个点的邻点中, 有的邻点相比其他的邻点更重要, 即要考虑相关边的权重问题. Barrat等人定义的加权网络聚类系数: Barrat A., etal., Proe. Natl. Acad. Sci. U.S.A.101, 3747-3752(2004) 为连接标志, 当节点i和j有连接时, , 否则为0。 所有节点加权聚类系数的平均值即DCN网络整体的 加权聚类系数: (a)、(b)的分析可以知道当边权重服从度乘积函数时, 加权DCN网络的加权聚类系数随着网络大小的增长而 增长,最后趋于定值0.5。 可有效调节节点强度大小和加权聚类系数的增长 速度,但不能改变加权聚类系数的稳定值。 不加权 加权 加权和无权DCN网络的聚类系数进行对比 无权DCN网络中,未考虑边权重不同,即没有考虑 某节点相比其他节点更重要等问题, 因此无权聚类系数对真实网络的模拟意义不大; 而加权聚类系数正是考虑了以上所说的实际问题, 导致其值较之无权聚类系数值要小,但它是实际 网络的真实反映,对实际网络的模拟起到了 一定的参照作用。 加权DCN网络(N=2047)中加权聚类系数与度的关系 对于给定规模的加权DCN网络 随着 的增长而呈下降的趋势,而且 越小,下降越快; 当 =0.1时, 随着 的增长呈幂律形式下降; 也就是说度大的节点属于平均聚类系数小的连通社 区,而度小的节点属于平均聚类系数大的连通社区; 因此,通过改变 的值, 可以找到合适的 与k 的关系,从而对实际网络进行很好的模拟。 小结 ⑴ cw随着N的增长而增长,最后趋于定值0.5 ;a可有效调节节点强度大小和加权聚类系数的增长速度, ⑶ cw(k)随着k的增长而呈下降的趋势;可改变a的值找到合适的cw(k) ~k关系,从而对实际网络进行很好的模拟 。 ⑵ 无权DCN未考虑边权重不同、某节点相比其他节点更重要等问题,cN→∞=1,对真实网络模拟意义不大;而加权DCN则考虑了上述问题和实际网络的复杂性,cwN→∞=0.5 ,更真实反映实际网络。 2、加权最短路径(weighted shortest path) 加权网络最短路径是指两节点之间所有连通的路径 中权重之和最小的一条或几条路径. 由于权重分为 相异权和相似权,所以最短路径和权重的关系也分 为两种,本文采用相异权进行研究。 两个直接相连的节点之间的距离: 以j点作为中介的两节点i和k之间的距离: 加权DCN网络的平均最短路径长度: ① Lw~N (a)不同α下Lw随着N的增大在逐渐增长,α=10-7时,LwN→∞ =2.0;α=10-3时 LwN→∞ =2.05;α=10-2时,Lw始终缓慢增长,很难达稳定; (b)在较大α值下随N的增长Lw的值始终都在增长, α越大Lw的值增长越快, 很难达稳定。 ② Lw与L的对比 不加权 加权 小结 ⑵无权DCN中LN→∞=2.0未考虑现实网络的复杂性,各边权重不同的问题,距离过于简单,对实际网络的模拟意义不大,有局限性,而加权DCN中LwN→∞ ≥2.0,可根据实际情况改变α的值来调节加权平均路径长度的稳定值使其适应于现实网络,达到更好的模拟效果。 ⑴Lw随着N的增大也在逐渐增长;0<α<10-7时LwN→∞=2.0达稳定,且α越小,Lw趋于2的速度越快;α>10-7时, 在较小α值下Lw才能达稳定且LwN→∞>2.0,说明两个节点相连平均必须经过一个根节点; 加权确定性复杂网络某些特性研究 郁伯铭,鲁 芬,陈 牧 华中科技大学 物理学院 yuboming2003@ /?398451 第七届全国网络科学论坛,北京 内容提要 一、确定性复杂网络概论 二、确定性复杂网络(DCN)的加权方式 三、加权确定性复杂网络(DCN)静态统计特性 四、加权DCN网络实例 五、总结 一、确定性复杂网络概论 Barabási, A.-L., Ravasz, E., & Vicsek, T., (2001) Physica A 299, 559. Deterministic Scale-Free Networks (DSFN) Hierarchical Networks (HK) Clustering coefficient scales E. Ravasz and A-L. Barabási, Phys. Rev. E 67, 026112(2003) RB模型的叠代过程: Our deterministic complex network (DCN) Mu Chen, B

文档评论(0)

2105194781 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档