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10月27日 (日) 17:34的版本
删除36字节
、
2024年10月27日 (星期日)
→宏节点合并方法
第118行:
第118行:
具体来说,不同的类型的微观节点合并成宏观节点时边权有不同的处理方式,包括四种处理方法:
具体来说,不同的类型的微观节点合并成宏观节点时边权有不同的处理方式,包括四种处理方法:
−
1)待合并的节点之间没有连边,且输入节点都指向待合并节点,待合并节点都指向相同输出节点时,如图a所示,需要将输入权重相加,输出权重取平均,其中<math>S</math>表示待合并节点集合, <math>\mu</math>表示合并完的宏观节点,<math>W_i
^{out}
</math>表示节点<math>i</math>的出边权重, <math>Ns</math>为待合并节点的数量<math>(W_{\mu
}^{out
}=\sum_{i \in S}W_i
^{out}
\frac{1}{N_S})</math>;
+
1)待合并的节点之间没有连边,且输入节点都指向待合并节点,待合并节点都指向相同输出节点时,如图a所示,需要将输入权重相加,输出权重取平均,其中<math>S</math>表示待合并节点集合, <math>\mu</math>表示合并完的宏观节点,<math>W_i</math>表示节点<math>i</math>的出边权重, <math>Ns</math>为待合并节点的数量<math>(W_{\mu}=\sum_{i \in S}W_i\frac{1}{N_S})</math>;
−
2)待合并的节点之间没有连边且待合并节点指向多个节点时,如图b所示,需要将输入边权加和,出边的边权按比例加权求和,其中<math>w_{ji} </math>为节点<math>v_i </math>的入边权重<math>(W_{\mu|j
}^{out
}=\sum_{i \in S}W_i
^{out}
\frac{\sum_{j->i}w_{ji}}{\sum_{j->k\in S}w_{jk}})</math>;
+
2)待合并的节点之间没有连边且待合并节点指向多个节点时,如图b所示,需要将输入边权加和,出边的边权按比例加权求和,其中<math>w_{ji} </math>为节点<math>v_i </math>的入边权重<math>(W_{\mu|j}=\sum_{i \in S}W_i\frac{\sum_{j->i}w_{ji}}{\sum_{j->k\in S}w_{jk}})</math>;
−
3)当待合并节点间存在连边时,如图c所示,需要计算待合并节点的[[平稳分布]],然后采用方法2的方式计算,其中 <math>π_i </math>为节点<math>v_i </math>在网络平稳分布中的概率<math>(W_{\mu|\pi}^{out}=\sum_{i \in S}W_i
^{out}
\frac{\pi_i}{\sum_{k\in S}\pi_k})</math>;
+
3)当待合并节点间存在连边时,如图c所示,需要计算待合并节点的[[平稳分布]],然后采用方法2的方式计算,其中 <math>π_i </math>为节点<math>v_i </math>在网络平稳分布中的概率<math>(W_{\mu|\pi}^{out}=\sum_{i \in S}W_i\frac{\pi_i}{\sum_{k\in S}\pi_k})</math>;
4)更为复杂的情况,如图d所示,综合考虑方法2和方法3。
4)更为复杂的情况,如图d所示,综合考虑方法2和方法3。
相信未来
2,464
个编辑