打开主菜单
首页
随机
登录
设置
关于集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
免责声明
集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
搜索
更改
←上一编辑
下一编辑→
复杂网络中的因果涌现
(查看源代码)
2024年4月25日 (四) 17:30的版本
添加2字节
、
2024年4月25日 (星期四)
→谱分解方法
第21行:
第21行:
===谱分解方法===
===谱分解方法===
−
# 输入一个网络<math>A_m</math>
,得到其转移矩阵
<math>T_{Am}</math>, 然后进行矩阵的特征值分解,得到特征值<math>Λ={λ_i}</math>与特征向量<math>E={e_i}</math>, 构建新的<math>E’=\{λ_ie_i|λ_i≠0\}</math>(新的网络节点数量为<math>N'</math>)
+
# 输入一个网络<math>A_m</math>
,得到其转移矩阵
<math>T_{Am}</math>, 然后进行矩阵的特征值分解,得到特征值<math>Λ={λ_i}</math>与特征向量<math>E={e_i}</math>, 构建新的<math>E’=\{λ_ie_i|λ_i≠0\}</math>(新的网络节点数量为<math>N'</math>)
# 依据<math>E'</math>计算节点间的距离矩阵<math>D_{N'×N'}</math>:
# 依据<math>E'</math>计算节点间的距离矩阵<math>D_{N'×N'}</math>:
## 如果节点<math>v_i</math>和<math>v_j</math>分别在对方的邻域中(马尔可夫毯),则使用cosine计算两个节点的相似性作为距离;
## 如果节点<math>v_i</math>和<math>v_j</math>分别在对方的邻域中(马尔可夫毯),则使用cosine计算两个节点的相似性作为距离;
相信未来
1,177
个编辑