小黄的博客

单调性和Distinct Metri是检验节点重要性算法区分节点的能力，节点重要性越能区分不同节点的重要性，单调性值越趋近于 1，当每个节点都有一个不同的重要性值时，单调性值为 1；而基于网络的脆弱性和鲁棒性的方法则是通过移除网络中的节点后，通过最大连通子图系数和网络效率等指标的变化反映出网络中的节点被移除后对网络造成影响，进而衡量节点重要性算法的优劣，以此衡量节点的重要性，其中移除节点有两种方式，其一是随机移除，其二是根据节点重要性算法得到的结果按从大到小的序列进行移除。

不同的评价指标所考虑的角度不同，基于信息传播方面的动力学模型是通过衡量节点的传播范围以此来判定节点的重要程度，通常所使用的信息传播方面的动力学模型有 SI 和 SIR 等；而基于网络的脆弱性和鲁棒性的方法则是通过移除网络中的节点后，通过最大连通子图系数和网络效率等指标的变化反映出网络中的节点被移除后对网络造成影响，进而衡量节点重要性算法的优劣，以此衡量节点的重要性，其中移除节点有两种方式，其一是随机移除，其二是根据节点重要性算法得到的结果按从大到小的序列进行移除。

相继拥堵在现实网络中，对于系统平稳运行的破坏能力和影响很大。因此需要对相继拥堵的产生、扩散、预防、控制做深入研究，以便能够将影响降低到最小程度，并且争取能在最短时间内进行有效的疏导。为了更好地描述系统的变化，学者 K Kaneko 等人提出了耦合映像格子（Coupled Map Lattice，CML）模型，用来描述具有一定耦合作用的节点之间的时间空间状态关联是十分形象和恰当的。这个模型可以描述一个时间和空间都离散，而状态保持连续的非线性动力学系统。

在使用PyG框架的时候，PyG要求输入的是 edge_index 格式，而不是我们所使用的邻接矩阵格式,即N x N。import scipy.sparse as spimport numpy as npimport torch# adj_matrix 是邻接矩阵tmp_coo = sp.coo_matrix(adj_matrix)values = tmp_coo.dataindices = np.vstack((tmp_coo.row,tmp_coo.col))i = torch.Lon

本文实现的两层GCN与GAT在cora数据集上效果，并可视化展示。1.导入的相关包import matplotlib.pyplot as pltimport networkx as nximport numpy as npimport pandas as pdimport torchfrom torch._C import parse_irimport torch_geometricfrom torch_geometric import datasetsfrom torch_geomet

复杂网络社交网络社区检测节点重要性(重要节点识别)舆论动力学模型传染病模型蓄意攻击随机攻击网络鲁棒性、脆弱性、稳定性Python基本的网络分析详细私聊网络拓扑图连通性网络效率下降...

在使用networkx的时候，在一台电脑上可以运行相关代码，而另一台则报错，出现如下错误：“networkx.exception.NetworkXError: random_state_index is incorrect”原因：其实是decorator版本问题，报错电脑上的decorator的版本是5.0，而没有报错的版本为4.4.2，注意，我的networkx版本为2.5.解决办法：将decorator版本降为4.4.2输入下面代码安装即可pip install decorator==4.

本文通过python实现影响力最大化模型，所用例子为空手道俱乐部。

本文在实现KL算法的过程中实现了社区划分结果，同时实现了不同社区的可视化结果。author：xiao黄缓慢而坚定的生长公众号：Community Detection本人更新在csdn关于社区发现（Community Detection）方面的知识会同步更新到公众号中。KL算法介绍Kernighan-Lin算法是一种试探优化的方法，其基本的思想是为网络引入一个试探函数Q，Q代表某两个准社团内部的边数减去两个准社团之间的边数的差值，然后得到使Q值最大的划分方法。首先将整个网络的节点随机的或根据

本文通过Python 3.7实现了标签传播算法的两个代码（1.自己写的，2.调包实现），并通过空手道俱乐部的例子进行可视化显示。

本文通过Python语言实现SIR模型，并进行可视化展示，所用例子为足球俱乐部数据集。

author：xiao黄缓慢而坚定的生长写这篇文章是因为自己以后肯定要用到 这方面的知识，所以把一些学到的知识先整理好，方便以后查看，以及希望对你们有所帮助。1.基本内容Matplotlib 是一个 Python 的 2D（包括3D）绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率...

本文在实现GN算法的过程中实现了社区划分结果，同时实现了不同社区的可视化结果。emmmm代码写得不是很好，希望各位不要介意，如果对你们有帮助的话，希望可以点个赞呀。GN算法简介由Girvan和Newman提出的GN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）对复杂网络中的每一条边，计算其对应的边介数；​ （2）比较网络中所有的边

摘要：主要讲解一些基本的信息传播模型，以及IC模型、SI模型和SIR模型的python实现及可视化。author：xiao黄缓慢而坚定的生长最后更新于2020.10.06

1.图谱问题研究背景现实生活中的各种复杂网络都可以用图有效表示。给定一组样本，可以用图来描述样本之间的相关性，其中每个数据样本看做图中的一个节点，样本之间的相似性决定节点间（边）的权重。这些复杂网络中存在一些子图，子图内部节点连接相对紧密，子图间节点连接相对稀疏。这写子图称为社团。社团结构反应了复杂网络代表的系统中节点间的拓扑关系。复杂网络社团结构分割属于图的划分问题。由于复杂网络节点规模巨大，通常很难找到特定网络拓扑结构与图谱性质间的直接相关性，求解复杂网络社团分割问题的精确解是一个NP难问题。2

首先打开neo4j 管理界面，点击图片中的箭头Write Code链接进入代码书写引导界面，然后点击Movie Graph下面的Create a graph链接进入。进来后会有一堆英文的介绍，这个实例将指导你学习以下入门操作：创建图数据库：将电影、演员、导演等图数据导入到Neo4j数据库中；检索节点：检索特定电影和演员；查询关系：发现相关的演员和导演；查询相关路径：查询他们之间的关...

废话不多说，直接上资源链接：https://pan.baidu.com/s/1KKmGAJJK39Elep1ndtjisA提取码：j7gs第一个是可以直接用的，可以参考其他大佬的博客怎样使用。第二个是安装包，我用的就是这个。（最后补充一句，有帮助的话留个赞呗~）...

前言本人因为研究（谈不上研究，就是借鉴大佬们的方法）的是这个方向，发现使用python的不是很多，而且有些比较模糊，本人就自己的理解，分析在学习这个途中遇到的一些问题以及解决的办法，希望对你们有帮助，码字不易，顺带点个赞呗~author：xiao黄缓慢而坚定的生长安装networkx 这里就不过多讲述了，可以参考我的一篇博客。传送门画无向图import networkx as nx...

本篇博客讲的是python中复杂网络分析工具network的关于网络中的节点和边节点的度聚集系数最短距离author：xiao黄 缓慢而坚定的生长首先导入一些相关的包：import networkx as nximport numpy as np # 数值计算import scipy as sp # 科学计算import matplotlib.pyplot as p...