知识点：脑网络笔记

小世界特性：网络具有小的特征路径长度和大的聚类系数

脑功能的两个基本组织原则：功能性分化（segregation）、功能性整合(integration)

​ 功能性分化：

空间距离邻近的神经元彼此之间连接的概率较高，并形成具有一定独立功能的单元，大脑神经连接网络的聚类系数可以反映这一特征

功能性整合：

空间远离的神经元彼此之间连接的概率较低，大脑神经连接网络的特征路径长度可以反映这一特征

网络（图论中）：

可抽象为节点集N={n1,n2,…,nN}和边集L={l1,l2,…,lK}组成的图

分为：无向网络（undirected network）、有向网络（directed network）、加权网络（weighted network）、有向加权网络（directed weighted network）

**度：**degree，与节点相连接的边的数目。

出度：out-degree，有向网络中从该节点指向其他节点的边的数目

入度：in-degree，有向网络中从其他节点指向该节点的边的数目

节点强度：node strength，加权网络中与该节点相连的边的权重和

距离：

**特征路径长度：用来刻画网络的全局连接特征，**网络中任意两节点之间的距离的平均值

**效率：**efficiency，网络中所有的节点间的距离的调和平均的倒数；效率的值越大，表示信息或能量等在该网络上进行交换所需的代价越小。

**聚类系数：用来刻画网络的局部连接特征，**对于度为ki的节点ni，其聚类系数定义为ni与相连的ki个节点之间实际存在的边数ei与这些节点之间总的可能的边数之比

**整个网络的聚类系数