54
个编辑
更改
跳到导航
跳到搜索
第383行：
第383行： + + + + + + + + + + + +
→Generalizations
:<math>\left[ \begin{matrix} 0 & 1 \\ 1 & 0 \end{matrix} \right].</math>
:<math>\left[ \begin{matrix} 0 & 1 \\ 1 & 0 \end{matrix} \right].</math>
超图的相关概念可以进行进一步的延伸，如超图中的一些边可以指向另一些边。这种延伸有两种变体。在第一种变体中，超图的边不仅包含一组节点，而且还可以包含这组节点的子集、子集的子集等等。本质上，超图的每条边只是树结构或有向无环图的一个内部节点，而节点就是叶子。从这个意义上来说，超图就是具有共享节点的树的集合(即内部节点或叶子可能出现在不同的树结构中)，反过来说，每个树的集合又可以理解为一个超图。因为树结构在计算机科学和许多数学分支中被广泛使用，所以超图的出现也是自然而然的。比如这种延伸是作为项代数的模型而自然产生的：边对应项，节点对应常量或变量。
对于上述的超图，节点集提供了一种排序。但是该排序既不是偏序也不是预序，因为它是不可传递的。与这一延伸方式的Levi图相对应的图是有向无环图。例如，一个超图的节点集为V={a，b}，边为e1={a，b}和e2={a，e1}。那么，虽然b∈e1且e1∈e2，但b∈e2却不是真的。然而，这类超图节点集的封闭传递确实诱导了偏序，并将超图“展平”为一个偏序集。
第二种变体中，超图中的边可以指向其他边，同时不用考虑必须形成有向非循环图的要求。这允许超图具有边的循环，而不需要有任何节点。例如，考虑由两条边e1和e2组成的，节点个数为零的广义超图，使得e1={e2}且e2={e1}。因为这个循环是无限递归的，所以边的集合违反了基础公理。具体来说，对于这样的超图，不存在节点集的封闭传递。虽然这样的结构乍看起来可能很奇怪，但只要注意到它的Levi图的等价延伸不再是二分图，而是一般的有向图，就可以很容易地去理解。
根据定义，这种超图的广义关联矩阵是一个方阵，其秩等于节点和边的总数。因此，对于上面的示例，关联矩阵为XX。
==Hypergraph learning==
==Hypergraph learning==