zeros的博客

GN模型GN模型是由Girvan和Newman提出的一个经典的社区发现算法，它属于分裂的层次聚类算法。在近几年已成为社团结构分析的一种标准算法，他的基本思想是从网络的整体出发，不断地从网络中移除介数最大的边，从而获得最佳的社团结构。边介数定义为网络中经过每条边的最短路径的数目。GN算法的基本流程如下：（1）计算每一条边的边介数；（2）删除边界数最大的边；（3）重新计算网络中剩下的边的边阶数；（4）重复(3)和(4)步骤，直到网络中的任一顶点作为一个社区为止。GN算法的缺陷：（1）不知道最后会有

在复杂网络中，社区具有很重要的一个特征，就是社区在内部的节点相似度较高，而在社区外部的节点相似度较低。模块度就是基于这种性质提出的，定义为社区内部的总边数和网络中总边数的比例减去一个期望值，该期望值是将网络设定为随机网络时同样的社区分配所形成的社区内部的总边数和网络中总边数的比例的大小。定义如下：其中 表示社区i内的边的数量占整个网络总边数的比例， 表示社区i所关联的所有的边的数目与总边数的比例。全局模块度的完整推导步骤： 假设cv和cw 分别表示点v和点w所在的两个社...

在观察现实的过程中，我们发现很多自然系统或者社会系统都表现出一种出色的能力：即使它们的一些组成部分失效了，它们仍然能够维持基本功能。事实上，我们的细胞中有无数蛋白质非正常折叠和化学反应缺失这样的错误，但我们很少注意到这些错误导致的后果。与之类似，大型机构在很多员工缺席的时候也仍然可以运转。理解这种鲁棒性的起源对许多学科都非常重要：● 鲁棒性是生物学和药学的核心问题。它可以帮助我们理解，为什么有些基因突变会引发疾病，而另一些却不能。● 社会科学家和经济学家都很关心鲁棒性，因为它关系到人类社会和组织

社区存在的根源是谁与谁相连，而不能仅仅利用度分布来解释；因此，要识别社区，我们必须检查网络的具体连接模式。现实研究发现：许多网络是异构的，即复杂网络不是大批性质相同节点的随机连接，而是许多类型的节点的组合，其中相同类型的节点存在较多的连接，而不同类型节点的连接则相对较少。我们把同一类型节点以及这些节点之间的边所构成的子图称为网络中的社区。传统的用于社区发现算法主要分为两类，即基于图划分的Kernighan-Lin算法和谱平分法、基于相似度的层次聚类算法。1）图分割算法。是将一个网络...

在复杂网络领域，如何识别影响节点是分析网络结构的一个重要问题。第一节、简介本文提出了一种节点信息维，通过综合各个分段的局部维来识别影响节点。该方法首先计算每个节点在不同距离尺度上的局部维数，然后将这些局部维数转化为概率，计算每个节点在不同拓扑距离尺度上的信息熵。最后，通过对每个节点在不同尺度上的信息熵和距离进行线性回归，计算出节点的信息维数。本文提出的方法不仅考虑了节点与其他节点之间的距离，而且考虑了网络中周围节点的分布情况。如果节点在网络中的分布是令人满意的，那么其他节点离被测节点越近，该