7,129
个编辑
更改
跳到导航
跳到搜索
第23行：
第23行： + 第31行：
第32行： − where index {{math|i}} is defined over the set of all non-isomorphic n-size graphs. Another statistical measurement is defined for evaluating network motifs, but it is rarely used in known algorithms. This measurement is introduced by Picard ''et al.'' in 2008 and used the Poisson distribution, rather than the Gaussian normal distribution that is implicitly being used above.<ref name="pic1">{{cite journal |vauthors=Picard F, Daudin JJ, Schbath S, Robin S |title=Assessing the Exceptionality of Network Motifs |journal=J. Comp. Bio. |year=2005 |volume=15 |issue=1 |pages=1–20|doi=10.1089/cmb.2007.0137 |pmid=18257674 |citeseerx=10.1.1.475.4300 }}</ref> 第37行：
第37行： +
无编辑摘要
:<math>P(G^\prime) = \frac{1}{N}\sum_{i=1}^N \delta(c(i)) ; c(i): F_R^i(G^\prime) \ge F_G(G^\prime)</math>
:<math>P(G^\prime) = \frac{1}{N}\sum_{i=1}^N \delta(c(i)) ; c(i): F_R^i(G^\prime) \ge F_G(G^\prime)</math>
[[File:Different occurrences of a sub-graph in a graph.jpg|thumb|图1 ''图中子图的不同出现''. (M1 – M4) 是图（a）中子图（b）的不同出现。对于频率概念{{math|F<sub>1</sub>}},集合M1，M2，M3，M4表示所有匹配项，因此{{math|F<sub>1</sub> {{=}} 4}}。对于{{math|F<sub>2</sub>}}，两个集合M1，M4或M2，M3之一是可能的匹配，{{math|F<sub>2</sub> {{=}} 2}}。最后，对于频率概念{{math|F<sub>3</sub>}}仅允许匹配项之一（M1至M4），因此{{math|F<sub>3</sub> {{=}} 1}}。随着网元的使用受到限制，这三个频率概念的频率降低。]]
[[File:Different occurrences of a sub-graph in a graph.jpg|thumb|图1 ''图中子图的不同出现''. (M1 – M4) 是图（a）中子图（b）的不同出现。对于频率概念{{math|F<sub>1</sub>}},集合M1，M2，M3，M4表示所有匹配项，因此{{math|F<sub>1</sub> {{=}} 4}}。对于{{math|F<sub>2</sub>}}，两个集合M1，M4或M2，M3之一是可能的匹配，{{math|F<sub>2</sub> {{=}} 2}}。最后，对于频率概念{{math|F<sub>3</sub>}}仅允许匹配项之一（M1至M4），因此{{math|F<sub>3</sub> {{=}} 1}}。随着网元的使用受到限制，这三个频率概念的频率降低。]]
:<math>C_G(G^\prime) = \frac{F_G(G^\prime)}{\sum_i F_G(G_i)}</math>
:<math>C_G(G^\prime) = \frac{F_G(G^\prime)}{\sum_i F_G(G_i)}</math>
其中索引 {{math|i}} 定义在所有非同构 n 尺寸图的集合上。 另一种统计测量是用来评估网络主题的，但在已知的算法中很少使用。 这种测量方法是由 Picard 等人在2008年提出的，使用的是泊松分布，而不是上面隐含使用的高斯正态分布 。<ref name="pic1">{{cite journal |vauthors=Picard F, Daudin JJ, Schbath S, Robin S |title=Assessing the Exceptionality of Network Motifs |journal=J. Comp. Bio. |year=2005 |volume=15 |issue=1 |pages=1–20|doi=10.1089/cmb.2007.0137 |pmid=18257674 |citeseerx=10.1.1.475.4300 }}</ref>
其中索引 {{math|i}} 定义在所有非同构 n 尺寸图的集合上。 另一种统计测量是用来评估网络主题的，但在已知的算法中很少使用。 这种测量方法是由 Picard 等人在2008年提出的，使用的是泊松分布，而不是上面隐含使用的高斯正态分布 。<ref name="pic1">{{cite journal |vauthors=Picard F, Daudin JJ, Schbath S, Robin S |title=Assessing the Exceptionality of Network Motifs |journal=J. Comp. Bio. |year=2005 |volume=15 |issue=1 |pages=1–20|doi=10.1089/cmb.2007.0137 |pmid=18257674 |citeseerx=10.1.1.475.4300 }}</ref>
:<math>C_G(G^\prime) = \frac{F_G(G^\prime)}{\sum_i F_G(G_i)}</math>
:<math>C_G(G^\prime) = \frac{F_G(G^\prime)}{\sum_i F_G(G_i)}</math>
此外，他们还提出了子图频率的三个具体概念。<ref name="schr1">{{cite book |vauthors=Schreiber F, Schwöbbermeyer H |title=Frequency concepts and pattern detection for the analysis of motifs in networks |journal=Transactions on Computational Systems Biology III |volume=3737 |year=2005 |pages=89–104|doi=10.1007/11599128_7 |citeseerx=10.1.1.73.1130 |series=Lecture Notes in Computer Science |isbn=978-3-540-30883-6 }}</ref> 如图所示，第一频率概念 {{math|F<sub>1</sub>}}考虑原始网络中图的所有匹配，这与我们前面介绍过的类似。第二个概念{{math|F<sub>2</sub>}}定义为原始网络中给定图的最大不相交边的数量。最后，频率概念{{math|F<sub>3</sub>}}包含与不相交边 disjoint edges和节点的匹配。因此，两个概念{{math|F<sub>2</sub>}}和{{math|F<sub>3</sub>}}限制了图元素的使用，并且可以看出，通过对网络元素的使用施加限制，子图的频率下降。因此，如果坚持使用频率概念{{math|F<sub>2</sub>}}和{{math|F<sub>3</sub>}}，网络模体检测算法将可以筛选出更多的候选子图。
此外，他们还提出了子图频率的三个具体概念。<ref name="schr1">{{cite book |vauthors=Schreiber F, Schwöbbermeyer H |title=Frequency concepts and pattern detection for the analysis of motifs in networks |journal=Transactions on Computational Systems Biology III |volume=3737 |year=2005 |pages=89–104|doi=10.1007/11599128_7 |citeseerx=10.1.1.73.1130 |series=Lecture Notes in Computer Science |isbn=978-3-540-30883-6 }}</ref> 如图所示，第一频率概念 {{math|F<sub>1</sub>}}考虑原始网络中图的所有匹配，这与我们前面介绍过的类似。第二个概念{{math|F<sub>2</sub>}}定义为原始网络中给定图的最大不相交边的数量。最后，频率概念{{math|F<sub>3</sub>}}包含与不相交边 disjoint edges和节点的匹配。因此，两个概念{{math|F<sub>2</sub>}}和{{math|F<sub>3</sub>}}限制了图元素的使用，并且可以看出，通过对网络元素的使用施加限制，子图的频率下降。因此，如果坚持使用频率概念{{math|F<sub>2</sub>}}和{{math|F<sub>3</sub>}}，网络模体检测算法将可以筛选出更多的候选子图。