7,129
个编辑
更改
跳到导航
跳到搜索
第12行：
第12行： − +
无编辑摘要
其中Y可以表示网络中的连边数或者网络节点的种类数，而N表示的是网络中的节点数。大量的实证研究发现，这两个变量在生长的过程中会满足上述幂律方程，其中如果Y表示的是连边数，则指数<math>\gamma>1</math>，而如果Y表示的是节点种类数，则指数<math>\gamma<1</math>。
其中Y可以表示网络中的连边数或者网络节点的种类数，而N表示的是网络中的节点数。大量的实证研究发现，这两个变量在生长的过程中会满足上述幂律方程，其中如果Y表示的是连边数，则指数<math>\gamma>1</math>，而如果Y表示的是节点种类数，则指数<math>\gamma<1</math>。
为了解释这两类现象，我们提出了匹配生长的随机几何图模型（Matching Growth Random Geometric Graph Model）<ref>{{cite journal | last1 = Zhang | first1 = Jiang | last2 = Li | first2 = Xintong |last3 = Wang | first3 = Xinran|last4 = Wang | first4 = WenXu|last5 = Wu | first5 = Lingfei| date = 2015 | title = Scaling behaviors in the growth of networked systems and their geometric origin | url = http://www.nature.com/articles/srep09767| journal = Scientific Reports| volume = 5| pages = 9767}}</ref><ref>{{cite journal | last = Zhang | first = Jiang date = 2012 | title = Growing Random Geometric Graph Models of Super-linear Scaling Laws | url = http://arxiv.org/abs/1212.4914}}</ref>。该模型用简单的假设解释了这两类现象，并且在基础模型基础上，我们可以扩展该模型，于是我们可以模拟城市生长等现象。
为了解释这两类现象，我们提出了匹配生长的随机几何图模型（Matching Growth Random Geometric Graph Model）<ref>{{cite journal | last1 = Zhang | first1 = Jiang | last2 = Li | first2 = Xintong |last3 = Wang | first3 = Xinran|last4 = Wang | first4 = WenXu|last5 = Wu | first5 = Lingfei| date = 2015 | title = Scaling behaviors in the growth of networked systems and their geometric origin | url = http://www.nature.com/articles/srep09767| journal = Scientific Reports| volume = 5| pages = 9767}}</ref><ref>{{cite journal | last = Zhang | first = Jiang|date = 2012 | title = Growing Random Geometric Graph Models of Super-linear Scaling Laws | url = http://arxiv.org/abs/1212.4914}}</ref>。该模型用简单的假设解释了这两类现象，并且在基础模型基础上，我们可以扩展该模型，于是我们可以模拟城市生长等现象。