更改

一般情况下，存在许多不同的特征值<math>\lambda</math>，对于这些特征值存在一个非零特征向量解。由于邻接矩阵中的项是非负的，所以由 佩龙-弗罗贝尼乌斯 Perron- Frobenius定理得出，它有一个唯一的正实数最大特征值。由这个最大的特征值得出期望的中心性度量。<ref>{{cite journal  | author = M. E. J. Newman  | title = The mathematics of networks  | url = http://www-personal.umich.edu/~mejn/papers/palgrave.pdf  | accessdate = 2006-11-09}}</ref>相关特征向量的</ref> The <math>v^{th}</math>分量给出了网络中顶点<math>v</math>的相对中心性评分。特征向量只定义了一个公共因子，所以只有顶点中心性的比例是明确定义的。要定义一个绝对分数，必须对特征向量进行标准化，例如，使所有顶点的和为1或顶点的总数n。幂迭代是许多特征值算法之一，可以用来找到这个主要特征向量。<ref name="ams" />此外，这推广，使得 A中的项可以是表示连接强度的实数，就像在[[随机矩阵]]中一样。

一般情况下，存在许多不同的特征值<math>\lambda</math>，对于这些特征值存在一个非零特征向量解。由于邻接矩阵中的项是非负的，所以由 佩龙-弗罗贝尼乌斯 Perron- Frobenius定理得出，它有一个唯一的正实数最大特征值。由这个最大的特征值得出期望的中心性度量。<ref>{{cite journal  | author = M. E. J. Newman  | title = The mathematics of networks  | url = http://www-personal.umich.edu/~mejn/papers/palgrave.pdf  | accessdate = 2006-11-09}}</ref>相关特征向量的<math>v^{th}</math>分量给出了网络中顶点<math>v</math>的相对中心性评分。特征向量只定义了一个公共因子，所以只有顶点中心性的比例是明确定义的。要定义一个绝对分数，必须对特征向量进行标准化，例如，使所有顶点的和为1或顶点的总数n。幂迭代是许多特征值算法之一，可以用来找到这个主要特征向量。<ref name="ams" />此外，这推广，使得 A中的项可以是表示连接强度的实数，就像在[[随机矩阵]]中一样。

 

==卡兹中心性 Katz centrality==

==卡兹中心性 Katz centrality==