复杂网络建模社交网络图的一些计算代码（不全欢迎补充）MATLAB

最新推荐文章于 2025-04-09 15:19:10 发布

apachephpmysql

最新推荐文章于 2025-04-09 15:19:10 发布

阅读量6.7k

点赞数 2

文章标签： matlab 社交网络 clustering

本文链接：https://blog.youkuaiyun.com/apachephpmysql/article/details/41700121

版权

该博客介绍了如何使用MATLAB计算社交网络的聚类系数和核心度。提供了`Clustering`函数来计算每个节点的聚类系数，以及整个网络的平均聚类系数、最大值和最小值。同时，还展示了`coreness`函数来确定网络图的core。通过示例数据，展示了节点聚类系数和核心度的分布图。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

function [C,aver_C,max_C,min_C]=Clustering(A)
%%求聚类系数
%A--------------邻接矩阵
%C--------------聚类系数
%aver_C---------整个网络图的平均聚类系数
A=xlsread('name.xls');
%A=xlsread('hometown.xls');
%A=xlsread('dialect.xls');

N=size(A,2);
C=zeros(1,N);
for i=1:N
    a=find(A(i,:)==1); %寻找子图的邻居节点
    b=find(A(:,i)==1);
    m=union(a,b');
    k=length(m);
    if k==1
        disp(['第',int2str(i),'个节点只有一个邻居节点，其聚类系数为0']);
        C(i)=0;
    else
        B=A(m,m);
        C(i)=length(find(B==1))/(k*(k-1));
    end
end
aver_C=mean(C);
max_C=max(C);
n=find(C==0);
a=C;
a(n)=inf;
min_C=min(a);
figure;
bar([1:N],C);