3,148
个编辑
更改
→检验动力学的一致性
前面介绍了如何对一个复杂网络进行粗粒化的方式，有了新的粗粒化后的网络，我们便可以在粗粒化的网络上放置随机游走子，从而得到粗粒化后的概率转移矩阵。
前面介绍了如何对一个复杂网络进行粗粒化的方式，有了新的粗粒化后的网络，我们便可以在粗粒化的网络上放置随机游走子，从而得到粗粒化后的概率转移矩阵。
然而，好的粗粒化方案是能够尽可能保证原始的网络（或转移矩阵）和粗粒化后的网络（或转移矩阵）尽可能地相似的，那么如何保证这种相似性呢？Klein等人在论文<ref name=":0" />提出了一种动力学一致性检验方法，它的基本思想是通过比较粗粒化方案后未曾被分组归并的节点上的概率分布是否和原始的网络一致。
然而，好的粗粒化方案是能够尽可能保证原始的网络（或转移矩阵）和粗粒化后的网络（或转移矩阵）尽可能地相似的，那么如何保证这种相似性呢？Klein等人在论文<ref name=":0" />提出了一种动力学一致性检验方法，它的基本思想是通过比较粗粒化方案后未曾被分组归并的节点上的概率分布是否和原始的网络一致。此外，需要注意的是该方法主要应用于贪婪算法，作为节点合并的其中一个判别条件。
具体地，[[动力学的一致性检验]]可以进一步验证网络粗粒化方法的有效性。它的基本思想是，比较随机游走子在给定相同的初始分布下，宏微观网络的期望分布的[[KL散度]]。
具体地，[[动力学的一致性检验]]可以进一步验证网络粗粒化方法的有效性。它的基本思想是，比较随机游走子在给定相同的初始分布下，宏微观网络的期望分布的[[KL散度]]。