精华内容
下载资源
问答
  • 网络模型 - 随机网络无标度网络,分层网络

    分享一下我老师大神的人工智能教程!零基础,通俗易懂!http://blog.csdn.net/jiangjunshow

    也欢迎大家转载本篇文章。分享知识,造福人民,实现我们中华民族伟大复兴!

                   

    转自: http://www.flickr.com/photos/caseorganic/4510691991/in/set-72157624621620243

     

    小图

     

     

    大图

    Network Models - Random network, Scale-free network, Hierarchical network

    随机网络

    The Erdös–Rényi (ER) model of a random network14 (see figure, part A) starts with N nodes and connects each pair of nodes with probability p,
    which creates a graph with approximately pN(N–1)/2 randomly placed links (see figure, part Aa). The node degrees follow a Poisson distribution
    (see figure, part Ab), which indicates that most nodes have approximately the same number of links (close to the average degree ). The tail
    (high k region) of the degree distribution P(k) decreases exponentially, which indicates that nodes that significantly deviate from the average are
    extremely rare. The clustering coefficient is independent of a node’s degree, so C(k) appears as a horizontal line if plotted as a function of k (see
    figure, part Ac). The mean path length is proportional to the logarithm of the network size, l ~ log N, which indicates that it is characterized by the
    small-world property.


    无标度网络

    Scale-free networks (see figure, part B) are characterized by a power-law degree distribution; the probability that a node has k links follows
    P(k) ~ k –γ, where γ is the degree exponent. The probability that a node is highly connected is statistically more significant than in a random graph,
    the network’s properties often being determined by a relatively small number of highly connected nodes that are known as hubs (see figure, part
    Ba; blue nodes). In the Barabási–Albert model of a scale-free network15, at each time point a node with M links is added to the network, which
    connects to an already existing node I with probability ΠI = kI/ΣJkJ, where kI is the degree of node I (FIG. 3) and J is the index denoting the sum over
    network nodes. The network that is generated by this growth process has a power-law degree distribution that is characterized by the degree
    exponent γ = 3. Such distributions are seen as a straight line on a log–log plot (see figure, part Bb). The network that is created by the
    Barabási–Albert model does not have an inherent modularity, so C(k) is independent of k (see figure, part Bc). Scale-free networks with degree
    exponents 2<γ<3, a range that is observed in most biological and non-biological networks, are ultra-small34,35, with the average path length
    following ~ log log N, which is significantly shorter than log N that characterizes random small-world networks.

    分层网络

    To account for the coexistence of modularity, local clustering and scale-free topology in many real systems it has to be assumed that clusters
    combine in an iterative manner, generating a hierarchical network47,53 (see figure, part C). The starting point of this construction is a small cluster
    of four densely linked nodes (see the four central nodes in figure, part Ca).Next, three replicas of this module are generated and the three external
    nodes of the replicated clusters
    connected to the central node of
    the old cluster, which produces a
    large 16-node module. Three
    replicas of this 16-node module
    are then generated and the 16
    peripheral nodes connected to
    the central node of the old
    module, which produces a new
    module of 64 nodes. The
    hierarchical network model
    seamlessly integrates a scale-free
    topology with an inherent
    modular structure by generating
    a network that has a power-law
    degree distribution with degree
    exponent γ = 1 + n4/n3 = 2.26
    (see figure, part Cb) and a large,
    system-size independent average
    clustering coefficient ~ 0.6.
    The most important signature of
    hierarchical modularity is the
    scaling of the clustering
    coefficient, which follows
    C(k) ~ k –1 a straight line of slope
    –1 on a log–log plot (see figure,
    part Cc). A hierarchical
    architecture implies that sparsely
    connected nodes are part of
    highly clustered areas, with
    communication between the
    different highly clustered
    neighbourhoods being
    maintained by a few hubs
    (see figure, part Ca).

    From Network Biology - Understanding the Cell's Functional Organization. Albert Laszlo Barabasi, Zoltan Oltvai 2004.

    About the Authors
    Albert-László Barabási is the Emil T. Hofman Professor of physics
    at the University of Notre Dame, USA. His research group introduced
    the concept of scale-free networks and studied their relevance
    to biological and communication systems. He obtained his
    M.Sc. degree in physics in 1991 from Eötvös Loránd University,
    Budapest, Hungary, and his Ph.D. in 1994 from Boston University,
    USA. After a year as a postdoctoral fellow at IBM Thomas J.
    Watson Research Center, USA, he joined the University of Notre
    Dame in 1995. He is a fellow of the American Physical Society, and
    the author of the general audience book Linked: The New Science of
    Networks.
    Zoltán Nagy Oltvai is an assistant professor of pathology at
    Northwestern University’s Feinberg School of Medicine, USA. His
    clinical interest is molecular pathology and he is the director of
    diagnostic molecular pathology at the medical school and
    Northwestern Memorial Hospital. His research group’s interest is
    the theoretical and experimental study of intracellular molecular
    interaction networks. He received his M.D. degree from
    Semmelweiss Medical University, Budapest, Hungary, and did his
    clinical pathology/molecular biology research residency at
    Washington University/Barnes Hospital in St. Louis, USA.

     

    看不懂英文的看中文的,写的还可以

    参考:http://www.cnblogs.com/peon/archive/2009/08/23/1552472.html

    传统的随机网络(如ER模型),尽管连接是随机设置的,但大部分节点的连接数目会大致相同,即节点的分布方式遵循钟形的泊松分布,有一个特征性的“平均数”。连接数目比平均数高许多或低许多的节点都极少,随着连接数的增大,其概率呈指数式迅速递减。故随机网络亦称指数网络。

    节点连接数的泊松分布:

    image

    一个随机网络:

    image

     

    现实世界的网络大部分都不是随机网络,少数的节点往往拥有大量的连接,而大部分节点却很少,一般而言他们符合zipf定律,(也就是80/20马太定律)。人们给具有这种性质的网络起了一个特别的名字——无标度网络。这里的无标度是指网络缺乏一个特征度值(或平均度值),即节点度值的波动范围相当大。

    节点连接数的zipf分布:

    image

    符合zipf分布的无标度网络:

    image

     

    现实中的交通网,电话网和Internet都是无标度网络,在这种网络中,存在拥有大量连接的集散节点,比如交通枢纽就是这样的节点。下面是Internet的连接模型:

    image

    分布满足幂律的无标度网络还有一个奇特的性质——“小世界”特性[49],虽然WWW中的页面数已超过80亿,但平均来说,在WWW上只需点击19次超链接,就可从一个网页到达任一其它页面。“小世界”现象在社会学上也称为“六度分离”。

    Barabási与Albert针对复杂网络中普遍存在的幂律分布现象,提出了网络动态演化的BA模型[42, 59],他们解释,成长性和优先连接性是无标度网络度分布呈现幂律的两个最根本的原因。所谓成长性是指网络节点数的增加,像Internet中自治系统或路由器的添加,以及WWW中网站或网页的增加等,优先连接性是指新加入的节点总是优先选择与度值较高的节点相连,比如,新网站总是优先选择人们经常访问的网站作为超链接。随着时间的演进,网络会逐渐呈现出一种“富者愈富,贫者愈贫”的现象。社会学家所说的“马太效应”[72],《新约》圣经所说的“凡有的,还要加给他,叫他有余”,同优先连接也有某种相通之处。

    引用:

    幂律分布研究简史

    无标度网络及其系统科学意义


    下面是我的其他博客:
    博客园,写一些工作和学习的笔记: http://www.cnblogs.com/peon
    /
    博客堂,开发方面的一些文章:http://blog.joycode.com/peon/
    流媒体博客,流媒体方面的一些文章:http://blog.lmtw.com/b/peon/
               

    给我老师的人工智能教程打call!http://blog.csdn.net/jiangjunshow

    这里写图片描述
    展开全文
  • 无标度网络的特点 1.比泊松分布曲线下降缓慢的多,具有幂律分布 2.所谓无标度,是指一个概率分布函数F(X)对于任意给定常数a存在常数b使得F(x)满足F(ax)=bF(x) 3.绝大多数节点的度相对很低,也存在少量度值相对很高的...

    随机网络的特点
    1.具有泊松分布
    2.每一条边出现的概率都是相等的
    3.属于均匀网络(度分布按指数形式急剧下降,这类网络称为均匀网络)

    无标度网络的特点
    1.比泊松分布曲线下降缓慢的多,具有幂律分布
    2.所谓无标度,是指一个概率分布函数F(X)对于任意给定常数a存在常数b使得F(x)满足F(ax)=bF(x)
    3.绝大多数节点的度相对很低,也存在少量度值相对很高的节点(称为hub),称这类网络为非均匀网络

    展开全文
  • 原文地址:http://blog.lmtw.com/b/peon/archives/2009/66662.html传统的随机网络(如ER模型),尽管连接是随机设置的,但大部分节点的连接数目会大致相同,...故随机网络亦称指数网络。节点连接数的泊松分布:一个...

    原文地址:http://blog.lmtw.com/b/peon/archives/2009/66662.html 

    传统的随机网络(如ER模型),尽管连接是随机设置的,但大部分节点的连接数目会大致相同,即节点的分布方式遵循钟形的泊松分布,有一个特征性的“平均数”。连接数目比平均数高许多或低许多的节点都极少,随着连接数的增大,其概率呈指数式迅速递减。故随机网络亦称指数网络。

    节点连接数的泊松分布:

    image

    一个随机网络:

    image

     

    现实世界的网络大部分都不是随机网络,少数的节点往往拥有大量的连接,而大部分节点却很少,一般而言他们符合zipf定律,(也就是80/20马太定律)。人们给具有这种性质的网络起了一个特别的名字——无标度网络。这里的无标度是指网络缺乏一个特征度值(或平均度值),即节点度值的波动范围相当大。

    节点连接数的zipf分布:

    image

    符合zipf分布的无标度网络:

    image

     

     

     

     

    现实中的交通网,电话网和Internet都是无标度网络,在这种网络中,存在拥有大量连接的集散节点,比如交通枢纽就是这样的节点。下面是Internet的拓扑图:

    image

    分布满足幂律的无标度网络还有一个奇特的性质——“小世界”特性[49],虽然WWW中的页面数已超过80亿,但平均来说,在WWW上只需点击19次超链接,就可从一个网页到达任一其它页面。“小世界”现象在社会学上也称为“六度分离”。

    Barabási与Albert针对复杂网络中普遍存在的幂律分布现象,提出了网络动态演化的BA模型[42, 59],他们解释,成长性和优先连接性是无标度网络度分布呈现幂律的两个最根本的原因。所谓成长性是指网络节点数的增加,像Internet中自治系统或路由器的添加,以及WWW中网站或网页的增加等,优先连接性是指新加入的节点总是优先选择与度值较高的节点相连,比如,新网站总是优先选择人们经常访问的网站作为超链接。随着时间的演进,网络会逐渐呈现出一种“富者愈富,贫者愈贫”的现象。社会学家所说的“马太效应”[72],《新约》圣经所说的“凡有的,还要加给他,叫他有余”,同优先连接也有某种相通之处。

    引用:

    幂律分布研究简史

    无标度网络及其系统科学意义

     

     

    其他相关资料: 

    1,历史,关注点,传播机理

    http://hi.baidu.com/jichang_zhao/blog/item/0cff199b4c5df0026f068c22.html

    转载于:https://www.cnblogs.com/cmleung/archive/2009/12/08/1619276.html

    展开全文
  • 随机网络无标度网络

    千次阅读 2015-11-24 14:38:33
    传统的随机网络(如ER模型),尽管连接是随机设置的,但大部分节点的连接数目会大致相同,即节点的分布方式遵循钟形的泊松分布,有一个特征性的“平均数”。连接数目比平均数高许多或低许多的节点都极少,随着连接数...

    传统的随机网络(如ER模型),尽管连接是随机设置的,但大部分节点的连接数目会大致相同,即节点的分布方式遵循钟形的泊松分布,有一个特征性的“平均数”。连接数目比平均数高许多或低许多的节点都极少,随着连接数的增大,其概率呈指数式迅速递减。故随机网络亦称指数网络。

    节点连接数的泊松分布:

    image

    一个随机网络:

    image

     

    现实世界的网络大部分都不是随机网络,少数的节点往往拥有大量的连接,而大部分节点却很少,一般而言他们符合zipf定律,(也就是80/20马太定律)。人们给具有这种性质的网络起了一个特别的名字——无标度网络。这里的无标度是指网络缺乏一个特征度值(或平均度值),即节点度值的波动范围相当大。

    节点连接数的zipf分布:

    image

    符合zipf分布的无标度网络:

    image

     

    现实中的交通网,电话网和Internet都是无标度网络,在这种网络中,存在拥有大量连接的集散节点,比如交通枢纽就是这样的节点。下面是Internet的连接模型:

    image

    分布满足幂律的无标度网络还有一个奇特的性质——“小世界”特性[49],虽然WWW中的页面数已超过80亿,但平均来说,在WWW上只需点击19次超链接,就可从一个网页到达任一其它页面。“小世界”现象在社会学上也称为“六度分离”。

    Barabási与Albert针对复杂网络中普遍存在的幂律分布现象,提出了网络动态演化的BA模型[42, 59],他们解释,成长性和优先连接性是无标度网络度分布呈现幂律的两个最根本的原因。所谓成长性是指网络节点数的增加,像Internet中自治系统或路由器的添加,以及WWW中网站或网页的增加等,优先连接性是指新加入的节点总是优先选择与度值较高的节点相连,比如,新网站总是优先选择人们经常访问的网站作为超链接。随着时间的演进,网络会逐渐呈现出一种“富者愈富,贫者愈贫”的现象。社会学家所说的“马太效应”[72],《新约》圣经所说的“凡有的,还要加给他,叫他有余”,同优先连接也有某种相通之处。

    引用:

    幂律分布研究简史

    无标度网络及其系统科学意义

    展开全文
  • BA无标度网络,WS小世界,随机图matlab实现
  • 无标度网络(带连接偏好的增长网络模型)
  • 无标度网络和小世界网络的区别

    千次阅读 2020-01-26 21:27:19
    无标度网络和小世界网络的最大区别是他们的度分布的差别 无标度网络的度分布式幂函数 小世界是钟形正态分布,与random network 的度分布相似,点和点之间的连接时随机的 小世界点和点之间的路径最短 无标度网络有巨...
  • 复杂网络-无标度网络matlab代码实现

    万次阅读 多人点赞 2018-09-14 20:42:01
    无标度网络是进入研究生,导师丢来的第一个作业,从本科的小小程序猿进入这种乍看一眼非常高大上的东西,还是有些恐惧和兴奋的。 由于没找到中文版的 Emergence of Scaling in Random Networks 就借助Google翻译,...
  • 将度分布符合幂律分布的复杂网络称为无标度网络。 如互联网,大型软件的结构特性都属于无标度网络: 只要攻击那些度数很多的关键节点就能引起最大的攻击效益。 这也正体现了无标度网络对蓄意攻击的脆弱性(李青...
  • 无标度网络上L-SIRS模型研究,周佳华,黄樟灿,本文提出了一种具有随机远程感染机制的无标度网络SIRS传播模型:感染节点以一点的概率感染其邻居节点的同时,还会以一定的概率随��
  • 通过BA无标度网络模型刻画社会结构, 基于NetLogo软件建立异质性多主体模型, 考虑随机和择优两种策略, 模拟恐怖信息在网络中的传播和政府的干预措施, 以研究恐怖信息传播...
  • 0. BA无标度网络模型简单介绍: 实际网络的两个重要的特性:  (1)增长性:即网络的规模是不断的增长的,ER随机图和WS小世界模型中的网络的大小是固定  (2)优先连接(Preferential attachment以下简称PA):新...
  • 002C语言 验证无标度网络的幂律定律

    千次阅读 2015-10-06 22:23:42
    无标度网络的先进之处就在于用两个特性深刻的刻画了生活中这种实际网络。无标度网络中,将实际网络概括为以下两个特性(大家可以好好品味以下) A增长特性:即网络的规模是不断扩大的。例如每个月都会有新的科研...
  • 先来看一个随机网络:没有中心节点,大部分节点都均匀的连在一起。 再看一下scale free network:大部分的连接都集中在少数的中心       如何检验一个网络是否是scale free network?     A. Log...
  • 结果表明:对于四种攻击策略,同质网络和异质网络表现出同样的规律,网络随机攻击具有比较强的鲁棒性,而对于目标攻击却显示出较强的脆弱性;另外,两种网络对于随机点、度及紧密度最大点攻击策略表现出同样的蔓延过程,...
  • 典型的,主要是由于当规则网络的少数链路随机化时发生的对分,小世界是从春规则向有点随机P*=1%~4%转换而来。 随机化一个2-规则网络的链路会创建基本的小世界网络。这一重要生成过程被称为WS算法。WS生成的小世界的...
  • 针对随机节点故障所引发的连锁故障问题,为了尽可能地降低连锁故障对无线传感器网络所造成的损害,提出了一种无线传感器网络无标度容错拓扑的连锁故障诊断算法。该算法基于单一节点故障时负载重新分配给相邻节点的...
  • 由于对复杂网络的拓扑...并分别在只有选择性攻击和随机性攻击的情况下验证所提的全网连通度的有效性,进一步对无标度网络随机网络的抗毁性能进行比较和分析。结果表明考虑了随机失效率的网络抗毁度定义更加确切有效。
  • 基于这些事实,本文提出了一种确定性网络生成算法,该算法不仅可以按照程度和小世界行为的无标度分布生成确定性网络,而且还可以生成具有任意数量节点的网络。 我们的方案基于完整的二叉树,每个新生成的叶节点都...
  • 该压缩包中包含:BA无标度网络随机图、WS小世界网络、NW小世界网络、最近邻耦合网络、平均路径长度、度分布、聚类系数的matlab源代码。
  • NetworkX提供了4种常见网络的建模方法,分别是:规则图,ER随机图,WS小世界网络和BA无标度网络。 一. Networkx的下载安装 画图之前先将NetworkX装好,直接pip install Networkx的话会特别慢,而且通常会失败,所以...
  • 构造常见复杂网络模型(随机网络无标度网络等等)以及计算相关特征(平均路径、聚类系数等等)的MATLAB程序
  • 文章目录小世界网络复杂网络的特性平均路径长度L聚集系数C度及度分布小世界效应规则网络随机网络小世界网络无标度网络python 代码生成小世界网络规则网络 小世界网络 [百度百科]:小世界网络模型是一类具有较短的...
  • 复杂网络matlab经典算法

    热门讨论 2014-05-10 09:12:50
    用matlab所写的复杂网络所用的经典算法,如BA无标度网络,ER随机网络,WS小世界网络和NS小世界网络,以及最近邻耦合网络等matlab算法,可以修改参数,可以绘制复杂网络图形。在matlab中直接可运行。
  • 07 网络上的动力学 7.1网络的结构与功能 7.2网络上的疾病传播 7.3网络上的随机游走 7.4网络上的同步 7.1网络的结构与功能 网络的结构与功能关系紧密网络的拓扑结构会影响网络的...ER随机网和BA无标度网络的连通...
  • NetworkX提供了4种常见网络的建模方法,分别是:规则图,ER随机图,WS小世界网络和BA无标度网络。本文首先介绍在NetworkX生成这些网络模型的方法,然后以BA无标度网络的建模为例,分析利用 NetworkX进行复杂网络演化...
  • 复杂网络

    千次阅读 2018-10-28 16:31:28
    文章目录复杂网络复杂网络基本概念平均路径长度聚类系数度与度分布网络拓扑基本模型及其性质规则网络全局耦合网络最近邻耦合网络星型耦合网络随机图(ER随机图)小世界网络模型WS小世界模型NW小世界模型小世界网络的...

空空如也

空空如也

1 2 3 4 5 6
收藏数 106
精华内容 42
关键字:

无标度网络随机网络