更改

此类度量的核心是，图形邻接矩阵的幂给出了这个幂的长度游程数。 类似地，矩阵指数也与给定长度的步数密切相关。 邻接矩阵的初始转换允许对计数的步行类型进行不同的定义。 任何一种方法，

此类度量的核心是，图形邻接矩阵的幂给出了这个幂的长度游程数。 类似地，矩阵指数也与给定长度的步数密切相关。 邻接矩阵的初始转换允许对计数的步行类型进行不同的定义。 任何一种方法，

:<math>\sum_{k=0}^\infty A_{R}^{k} \beta^k </math>对于矩阵的幂或者:<math>\sum_{k=0}^\infty \frac{(A_R \beta)^k}{k!}</math>

:<math>\sum_{k=0}^\infty A_{R}^{k} \beta^k </math>

矩阵指数, 其中

矩阵指数, 其中

* <math>k</math> 是步长,

* <math>k</math> 是步长,

Bonacich的度量系列不会转换邻接矩阵。 Alpha中心性用其解析物替换了邻接矩阵。 子图的中心性用其迹替换邻接矩阵。 令人吃惊的结论是，不管邻接矩阵的初始转换如何，所有这些方法都具有共同的限制行为。 当接近零时，指标数收敛到度中心。 随着接近其最大值，指标数收敛到特征值中心。

Bonacich的度量系列不会转换邻接矩阵。 Alpha中心性用其解析物替换了邻接矩阵。 子图的中心性用其迹替换邻接矩阵。 令人吃惊的结论是，不管邻接矩阵的初始转换如何，所有这些方法都具有共同的限制行为。 当接近零时，指标数收敛到度中心。 随着接近其最大值，指标数收敛到特征值中心。

===博弈理论的中心性===

===博弈理论的中心性===