圖的冪律度分佈 power-law degree distributios

講的一篇圖論文中說到,“The natural graphs commonly found in the real-worldhave highly skewed power-law degree distributios……”,開始只是瞭解個大概,後來經查才知道。power-law degreedistributios原來是一種描述網絡圖中結點度的分佈,中文可叫做“冪律度分佈”。
維基百科詞條“複雜網絡”中對“無尺度網絡”的介紹中,可對冪律度分佈”有進一步地瞭解。
資料解釋如下:
===========================================================================================

網絡度分佈是指當隨機地從網絡中抽取一個節點時,與這個節點相連的節點數(叫做這個節點的度)d 的概率分佈

比如:一個n個節點組成完全圖度分佈是:d = n - 1 的概率是1,其餘的都是0

無尺度網絡分佈滿足冪律分佈,也就是說d k 的概率正比於k 的某個冪次(一般是負的)

                \mathbb{P} (d = k) \propto k^{-\alpha}

(==加一句,這個符號是“正比於”的意思??好吧~見過好幾次了)

隨機網絡的度分佈屬於正態分佈,因此有一個特徵度數,即大部分節點的度數都接近它。

尺度網絡的度分佈是呈集散分佈:大部分的節點只有比較少的連接,而少數節點大量的連接。由於不存在特徵度數,因此得名“無尺度”。

尺度網絡的例子有很多。因特網、美國演員網絡、細胞中蛋白質的交互都是無尺度網絡。

無尺度網絡的特性是:當節點意外失效或改變時,對網絡的影響一般很小,只有很小的概率會發生大的影響,但當有集散節點受到影響時,網絡受到的影響會比隨機網絡大得多。

==================================================================

再盜個別人slides中的一個圖。意思很明瞭,其中有1%的結點連接着一半的邊,其餘一半的邊被剩餘99%的結點所共用。

圖的冪律度分佈 <wbr>power-law <wbr>degree <wbr>distributios


發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章