! //

文章编号:1007—1423(2014)17—0007—05 DOI:10.3969~.issn.1007—1423.2014.17.002

复杂网络算法中K—shel与介数中心性算法的实现

邵浩 一,陈东方 一,刘欣 1,Z

(1.武汉科技大学计算机科学与技术学院,武汉 430065;

2.智能信息处理与实时工业系统湖北省重点实验室,武汉 430065)

摘要:

复杂网络中实现节点的中心性有许多算法 ,这些算法可以让人们快速识别出各种社交环境中的核心人物与话题。常

用的中心性指标有度中心性.介数中心性、紧密中心性、特征向量中心性和 K—shel1分解方法。但是现有的理论中,仅

仅提及算法的概念.并且实现的复杂性过高,算法的提及更多是用于分析阶段。为了解决这个问题,主要提出介数中

心性指标和K—she1分解方法的程序实现.以便更好地应用于各种场合。

关键词:

介数中心性;K—shel1分解方法;算法实现;复杂网络

基金项 目:

国家级省级大学生创新创业训练计划项目(No.201310488003)、湖北省教育厅科研基金资助项目(No.B20101104)、湖

北省重点实验室开放基金资助项目(No.znss2013BO12)、武汉科技大学科研基金资助项目(No.2009xzl,2012xz015)、武

汉科技大学大学生科技创新基金研究项 目(No.12ZRA053)

0 引言

现实生活中的很多网络都是以复杂网络(Complex

Network)的形式存在 。例如生命科学领域的各种网络、

社会网络等 特别是在 1998年 Wats和 Strogatz在

Nature杂志上发表文章引入了小世界 (smal—world)网

络模 型【 1以及 1999年 BarabOsi和 Albe~在 Science上

发表文章指出.许多实际的复杂网络的连接度分布具

有幂律形式[21之后 .复杂网络 的研究掀起一股新的热

潮。我们现在的生活就处在各种各样的社交环境中。每

个人、每个商品之间都有关系。针对这些关系的分析 ,

并挖掘出数据背后的价值对于精准的信息营销与广告

推荐都有重大的意义。不仅在现实世界中.这些相关的

研究与分析具有重要的价值 ,在我们的虚拟世界中.也

存在巨大的价值 。虚拟环境是现实环境的仿真 .在我们

的虚拟网络购物平台里面.也可以通过对于虚拟网络

相关节点信息的分析,实现虚拟世界的相关应用。

学术界在复杂网络进行了深入的研究 复杂网络

的分析中.常以各种中心性指标或者 K—shel1分解算法

来衡量节点影响力的大小 1977年 Freeman提出基于

介数中心性(Betweenlies Centrality)的方法来衡量节点

中心性f3J.他认为中间成员对路径两端的成员具有“更

大的人际关系影响”.但是该衡量方法有很高的时间复

杂度与空间复杂度的限制 2001年 Brandes提出了一

种快速计算介数中心性的算法嗍.对于一个无 向图 G=

( ,E),其中 代表图中所有节点的集合。E代表图中

所有边的集合,其算法的时间复杂度降到0(VE)。2010

年.Maksim Kitsak等人在 Nature Physics杂志上发表一

篇影响学术界的论文 .该篇文献中首次提及 K—shel1分

解算法 .并给出该分解算法与其他各中心性算法的对

比,表明该算法能排除度对节点的影响嘲。但是各项指

标的研究主要提及的是思想或者更多的处于分析阶

段,因为

复杂网络 介数中心性 java_复杂网络算法中K—shell与介数中心性算法的实现相关推荐

  1. 游戏中常用的寻路算法的分享(3):A*算法的实现

    概述 剥除代码,A* 算法非常简单.算法维护两个集合:OPEN 集和 CLOSED 集.OPEN 集包含待检测节点.初始状态,OPEN集仅包含一个元素:开始位置.CLOSED集包含已检测节点.初始状态 ...

  2. ML之回归预测:机器学习中的各种Regression回归算法、关键步骤配图

    ML之回归预测:机器学习中的各种Regression回归算法.关键步骤配图 目录 机器学习中的各种回归算法 1.回归算法代码 2.各种回归算法 3.各种回归算法大PK 机器学习中的各种回归算法 1.回 ...

  3. Fast Marching算法及其在点云测地线计算中的应用

    1. 前言: 在解离散测地线问题中,Fast Marching算法被广泛使用.其最大的优点是可以直接应用于点云数据.要知道,大部分内蕴几何算法需要原始数据提供连续的网格信息,才能够被使用.Fast M ...

  4. 万字长文带你看尽深度学习中的各种卷积网络

    来源:AI科技评论 摘要:深度学习中的各种卷积网络大家知多少? 深度学习中的各种卷积网络大家知多少?对于那些听说过却又对它们没有特别清晰的认识的小伙伴们,这篇文章非常值得一读.Kunlun Bai 是 ...

  5. 虚拟机中dns配置好了但是域名ping不同_弱电工程中常用的几个网络命令,学会后轻松变高手...

    现在的弱电工程可以成为网络工程了,基本上全是数字化.网络化了,所以我们需要掌握一定的网络知识,今天就分享一些常用的网络命令,设备调试.维护的时候用的到 正文: ping命令 ping是个使用频率极高的 ...

  6. 以太网的分层架构_工业以太网中层次拓扑结构对网络性能的影响

    现在市场上工业现场总线产生了几十种方案,却没有形成统一标准,工业以太网(IndustrialEthemet)成为控制系统网络发展的主流方向,传统以太网具有传输速度高.造价低.易于安装和兼容性好等优势, ...

  7. 在oracle 中编写一个程序,用VC 开 发 基 于ORACLE 数 据 库 应 用 程 序 的 两 种 方 法...

    用VC 开 发 基 于ORACLE 数 据 库 应 用 程 序 的 两 种 方 法 北 京 航 空 航 天 大 学 计 算 机 科 学 与 工 程 系 黎 杰 麦 中 凡 ---- 1. 引 言 -- ...

  8. 网络层中的数据平面——网络核心中的转发!

    文章目录 一.网络层概述 转发和路由选择:数据平面和控制平面 网络服务模型 二.路由器工作原理 输入端口处理和基于目的地转发 交换 输出端口处理 何处出现排队 输入排队 输出排队 分组调度 先进先出( ...

  9. 非线性规划在计算机中的应用研究,Hopfield网络在非线性规划中的应用研究.pdf

    2000中国技 制与决 策学术年 会论 文 集 Hopfield网络在非线性规划中的应用 陈赞成 王华火 吉国力 (厦门大学 自动化系 361005) 摘 要 叙述了,种反债神经网络及非线性规划中的二 ...

最新文章

  1. 监控软件nagios之配置文件详解
  2. 【社交系统ThinkSNS+研发日记】Laravel Model 利用 Macroable 为数据模型添加宏能
  3. how to balance between csdn and github?
  4. Scala类中的+方法
  5. for vue 一行2列_JAVA基础练习试题(2)蓝桥杯 附源代码
  6. JAVA-MyBatis ORM
  7. 集合框架 Queue---ArrayBlockingQueue
  8. MySQL源码解读之数据结构-LF_DYNARRAY
  9. windows PC电脑必备3个实用软件
  10. [20171120]bash使用here documents的细节
  11. 广义线性模型matlab,使用广义线性模型拟合数据
  12. 女暴徒BeHype:MINT和Raffle抽奖规则及答疑
  13. 按键精灵定时后台点击
  14. Linux,IP归属地查询(nali)
  15. 易语言从c盘开始搜索文件夹,易语言递归寻找文件及文件夹
  16. 魔兽世界个人插件、宏、WA 使用记录
  17. 面对突如其来的新冠,“AI”可以做点什么?
  18. 测试用例的设计方法_场景设计法
  19. 【Linux】/lib/ld-linux.so.2: bad ELF interpreter: No such file or directory
  20. 热点推荐:程序员“奇葩”说

热门文章

  1. bash shell 的一些主要特性
  2. 微软职位内部推荐-Senior Speech TTS
  3. wps为html显示不全,wps手机表格显示不全怎么办
  4. BIM模型文件下载——办公空间模型
  5. [Unity官方文档翻译]2D or 3D Projects Unity中2D和3D项目的区别
  6. 会员卡html页面,会员卡服务协议
  7. Redis集群Cluster部署
  8. 虚拟机中Ubuntu开机时Gave up waiting for root...
  9. 开源ICC2013结题
  10. flex布局中,元素等间距设置,包括第一个元素的左边,最后一个元素的右边,也等间距