更改

:<math>g(k) \approx k^\eta</math>.

:<math>g(k) \approx k^\eta</math>.

其中 < math > g (k) </math > 是度为 < math > k </math > 的节点的平均负载。指数 < math > delta </math > 和 < math > eta </math > 不是独立的，因为方程(1)指出<ref name="Bart">M. Barthélemy. Betweenness centrality in large complex networks. Eur. Phys. J. B 38, 163–168 (2004)</ref>

其中 <mat > g (k) </math> 是度为 <math> k </math> 的节点的平均负载。指数 <mat > delta </math> 和 <mat > eta </math> 不是独立的，因为方程(1)指出<ref name="Bart">M. Barthélemy. Betweenness centrality in large complex networks. Eur. Phys. J. B 38, 163–168 (2004)</ref>

:<math>P(g)= \int P(k) \delta (g-k^\eta) dk</math>

:<math>P(g)= \int P(k) \delta (g-k^\eta) dk</math>

:<math>\eta=\frac{\gamma -1}{\delta -1}</math>

:<math>\eta=\frac{\gamma -1}{\delta -1}</math>

重要的指数是 < math > eta </math > ，它描述了''' 介数中心性Betweenness centrality'''如何依赖于连通性。当所有的最短路径都经过一个节点时，这种情况使节点的''' 介数中心性Betweenness centrality'''最大化，这对应于一个树结构(一个没有分簇的网络)。在树形网络的情况下，达到了 < math > eta = 2 </math > 的最大值。

重要的指数是 <mat > eta </math> ，它描述了介数中心性Betweenness centrality如何依赖于连通性。当所有的最短路径都经过一个节点时，这种情况使节点的介数中心性Betweenness centrality最大化，这对应于一个树结构(一个没有分簇的网络)。在树形网络的情况下，达到了 <mat > eta = 2 </math> 的最大值。

:<math>\eta = 2 \rarr \delta = \frac{\gamma +1}{2} </math>

:<math>\eta = 2 \rarr \delta = \frac{\gamma +1}{2} </math>

< math > eta </math > 的最大值(也是 < math > delta </math > 的最小值)为具有''' 非零分簇Non-vanishing clustering'''的网络的负载指数设置了界限。

< math > eta </math> 的最大值(也是 <mat > delta </math> 的最小值)为具有''' 非零分簇Non-vanishing clustering'''的网络的负载指数设置了界限。

:<math>\eta \le 2 \rarr \delta \ge \frac{\gamma +1}{2} </math>

:<math>\eta \le 2 \rarr \delta \ge \frac{\gamma +1}{2} </math>

在这种情况下，指数 < math > delta，eta </math > 并不是通用的，取决于不同的细节（平均连接性、相关性等）。

在这种情况下，指数 <mat > delta，eta </math> 并不是通用的，取决于不同的细节（平均连接性、相关性等）。

===真实网络===

===真实网络===