- 博客(1)
- 资源 (5)
- 收藏
- 关注
RSS订阅
翻译 复杂网络的高阶组织
网络是理解和建模物理、生物、神经科学、工程和社会科学中的复杂系统的基本工具。众所周知，许多网络具有丰富的低阶连接模式，可以在单个节点和边缘级别捕获这些模式。然而，复杂网络在小网络子图层次上的高阶组织在很大程度上仍然是未知的。在此，我们开发了一个基于高阶连通性模式的广义聚类网络框架。该框架为获得的簇的最优性和具有数十亿条边的网络的规模提供了数学保证。该框架揭示了许多网络中的高阶组织，包括神经网络中的信息传播单元和交通网络中的枢纽结构。结果表明，网络呈现出丰富的高阶组织结构，这些组织结构通过基于高阶连接模式的聚
2019-06-23 11:36:12
4003
3
LinkPredictionMatlab.zip
基于结构相似性的链路预测精度的高低取决于该种结构相似性的定义是否能够很好的抓住目标网络的结构特征。如基于共同邻居的相似性指标，及两个节点如果有更多的共同邻居就更可能连边，在集聚系数较高的网络中表现非常好，有时甚至超过了一些非常复杂的算法。
2019-09-22
higher-order-organization-matlab-master.zip
代码以斯坦福大学官网上的铁线虫的神经元网络作为实验数据集对作者提出的复杂网络的高阶聚类进行仿真，代码可以直接在MATLAB平台上运行，实验结果表明用三个节点的motif作为基本单元，网络的性能更强，导度更小，也有利于分析一些复杂的网络结构。
2019-07-01
复杂网络研究二.docx
现在，我们将介绍推导和理解正文中给出的方法的背景和理论。我们将首先回顾图的拉普拉斯变换和图中顶点集的切割和体积度量。然后我们在S1.2节定义了网络母题，并将裁剪和体积的概念推广到母题上。我们的新理论在S1.6节中给出，然后我们总结了该方法的一些扩展。最后，我们将我们的方法与现有的有向图聚类和超图划分方法相关联。
2019-06-30
higher-order-SM-science16.pdf
网络是理解和建模物理、生物、神经科学、工程和社会科学中的复杂系统的基本工具。众所周知，许多网络具有丰富的低阶连接模式，可以在单个节点和边缘级别捕获这些模式。然而，复杂网络在小网络子图层次上的高阶组织在很大程度上仍然是未知的。在此，我们开发了一个基于高阶连通性模式的广义聚类网络框架。该框架为获得的簇的最优性和具有数十亿条边的网络的规模提供了数学保证。该框架揭示了许多网络中的高阶组织，包括神经网络中的信息传播单元和交通网络中的枢纽结构。结果表明，网络呈现出丰富的高阶组织结构，这些组织结构通过基于高阶连接模式的聚类显示出来。
2019-06-26
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人