3,094
个编辑
更改
跳到导航
跳到搜索
第849行：
第849行： − 当一个随机游走粒子进入大节点时，它下一步游走到大节点内或大节点外其他节点的概率，应当取决于它当前更可能位于大节点内的哪个小节点。+
→权重为平稳分布的平均
===权重为平稳分布的平均===
===权重为平稳分布的平均===
另一种聚合方式是要首先求得马尔可夫链的稳态分布，并将稳态分布下的各连边的稳态概率看作一个流网络，有大量的随机游走粒子在其中流动。当一个随机游走粒子进入大节点时，它下一步游走到大节点内或大节点外其他节点的概率，应当取决于它当前更可能位于大节点内的哪个小节点。
设游走粒子在 <math>t</math> 时刻处于小节点 <math>j</math> 的概率为<math>s_j(t)</math>，则聚合节点到外部节点 <math>i</math> 的下一步概率可写为<math>p_{Mi}(t) = \frac{1}{\sum_{j \in M} s_j(t)} \sum_{j \in M} s_j(t)\ p_{ji}</math>，而留在聚合节点内部的概率为<math>p_{MM}(t) = \frac{1}{\sum_{j \in M} s_j(t)} \sum_{j \in M} s_j(t)\sum_{k \in M} p_{jk}</math>。
设游走粒子在 <math>t</math> 时刻处于小节点 <math>j</math> 的概率为<math>s_j(t)</math>，则聚合节点到外部节点 <math>i</math> 的下一步概率可写为<math>p_{Mi}(t) = \frac{1}{\sum_{j \in M} s_j(t)} \sum_{j \in M} s_j(t)\ p_{ji}</math>，而留在聚合节点内部的概率为<math>p_{MM}(t) = \frac{1}{\sum_{j \in M} s_j(t)} \sum_{j \in M} s_j(t)\sum_{k \in M} p_{jk}</math>。