barabasilab-networkScience学习笔记-图理论

第一次接触复杂性科学是在一本叫think complexity的书上,Allen博士很好的讲述了数据结构与复杂性科学,barabasi是一个知名的复杂性网络科学家,barabasilab则是他所主导的一个实验室,这里的笔记则是关于里面介绍的课程的slider的笔记,当然别人的课程不是公开课,所以从ppt里只能看到骨干的东西了,对了补充下,slider相关的书籍在这里可以找到

图理论就是以前图论介绍的那些东西,这些东西在大学就接触过,现在提升到科学应用的角度了。

图理论有三个核心和基础的概念:

  1. Degree distribution: P(k)
  2. Path length: <d> 
  3. Clustering coefficient: C

第一个概念是节点的度:现实中的网络的度都是远远小于可能的最大值的,在列举的例子中度最大的不到100而节点上万

第二个概念是路径长度(关于边)

第三个概念是Clustering coefficient,它反映了一个节点周围的节点聚集情况

 

另外图理论和矩阵论里有些对节点,那就是图可以转化为矩阵,它们有一定的对象关系

这里的概念和理论的详细内容可以参照这篇课程的ppt和text book,也可以按照上面提到的关键词看看wiki,知乎什么的

 

参考文献:

http://barabasilab.neu.edu/courses/phys5116/content/Class2_2014_Graphs.pdf

http://barabasilab.neu.edu/networksciencebook/downlPDF.html

 

郑重声明:本站内容如果来自互联网及其他传播媒体,其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。