更改

复杂网络中的因果涌现 (查看源代码)

2024年11月3日 (日) 12:36的版本

添加35字节、 2024年11月3日 (日) 12:36

→‎谱分解方法

第101行：第101行：

## 如果节点<math>v_i</math>和<math>v_j</math>分别在对方的邻域中([[马尔可夫毯]])，则使用[[cosine]]计算两个节点的相似性作为距离

## 否则将两个节点间的距离设为无穷大∞(1000)

−

# 基于距离矩阵<math>D_{N'×N'}</math>，使用[[OPTICS]]~~算法进行聚类，同一类里的节点进行粗粒化作为一个宏观节点，~~[[OPTICS]]聚类算法存在一个距离超参<math>\epsilon</math>，需要线性搜索，选择EI最大的参数

+

# 基于距离矩阵<math>D_{N'×N'}</math>，使用[[OPTICS]]算法进行聚类，同一类里的节点进行粗粒化作为一个宏观节点，得到宏观网络<math>B</math>，[[OPTICS]]聚类算法存在一个距离超参<math>\epsilon</math>，需要线性搜索，选择EI最大的参数

时间复杂度：<math>O(N^3)</math>

相信未来

5,443

个编辑