更改

跳到导航 跳到搜索
添加4字节 、 2020年4月28日 (二) 12:30
第111行: 第111行:  
==编者推荐==
 
==编者推荐==
 
===文献推荐===
 
===文献推荐===
[[file:随机图.png|250px|thumb|right|  随机图 (平均度2.833 平均最短路径长度2.109 聚类系数0.167)]]
+
[[file:小世界.png|250px|thumb|right|  http://arxiv.org/abs/1901.02381 一种接近ER随机图的小世界网络模型]]
 
====[http://arxiv.org/abs/1901.02381 一种接近ER随机图的小世界网络模型]====
 
====[http://arxiv.org/abs/1901.02381 一种接近ER随机图的小世界网络模型]====
 
著名的Watts-Strogatz小世界网络模型并未接近总随机化极限的Erdos-Renyi随机图模型,这可能导致混淆并使某些分析复杂化。本文提出了一个简单的替代方案,它不是重连,而是在具有基于距离的连接概率的节点对之间绘制边,并证明了这个模型更容易分析并接近相应极限中的真正的Erdos-Renyi随机图模型。给出了关于度分布,度方差,每个节点的两个星数,每个节点的三角形数,聚类系数和随机游走混合时间的分析结果。
 
著名的Watts-Strogatz小世界网络模型并未接近总随机化极限的Erdos-Renyi随机图模型,这可能导致混淆并使某些分析复杂化。本文提出了一个简单的替代方案,它不是重连,而是在具有基于距离的连接概率的节点对之间绘制边,并证明了这个模型更容易分析并接近相应极限中的真正的Erdos-Renyi随机图模型。给出了关于度分布,度方差,每个节点的两个星数,每个节点的三角形数,聚类系数和随机游走混合时间的分析结果。
第118行: 第118行:  
====[http://arxiv.org/abs/1910.11341 基于Chung-Lu随机图模型生成大规模无标度网络]====
 
====[http://arxiv.org/abs/1910.11341 基于Chung-Lu随机图模型生成大规模无标度网络]====
 
通过生成随机图模型和可伸缩算法生成综合网络是网络分析中的一个经常性使用的工具,它为实际网络中各种属性的统计分析提供了一个有根据的基础。本文用Chung-Lu模型说明了如何生成具有幂律分布的大型随机图。此外,这篇文章提供了模型参数的显式公式,以便生成满足对最小、最大和平均期望度的行为的若干要求,并且具有若干期望特性的随机图,包括具有任意指定指数大于2的幂律度分布,存在一个巨大的组件并且没有潜在的孤立节点。
 
通过生成随机图模型和可伸缩算法生成综合网络是网络分析中的一个经常性使用的工具,它为实际网络中各种属性的统计分析提供了一个有根据的基础。本文用Chung-Lu模型说明了如何生成具有幂律分布的大型随机图。此外,这篇文章提供了模型参数的显式公式,以便生成满足对最小、最大和平均期望度的行为的若干要求,并且具有若干期望特性的随机图,包括具有任意指定指数大于2的幂律度分布,存在一个巨大的组件并且没有潜在的孤立节点。
      
===集智文章推荐===
 
===集智文章推荐===
763

个编辑

导航菜单