Pajek学习笔记——centrality与centralization

最新推荐文章于 2023-09-23 23:46:25 发布

program_shun

最新推荐文章于 2023-09-23 23:46:25 发布

阅读量4.8k

点赞数

分类专栏： Social Networks学习笔记文章标签： vector 网络 domain distance network social

本文链接：https://blog.csdn.net/program_shun/article/details/7827563

版权

本文是关于Pajek软件在社交网络分析中的应用，特别是聚焦于结点的中心性和集中度计算。通过'掠夺'算法，结点依据度数差异转移强度，初始化强度后，虚弱结点的强度会被其邻居按比例或平均分配。参考了W. de Nooy, A. Mrvar, V. Batagelj的《Exploratory Social Network Analysis with Pajek》以及V. Batagelj和A. Mrvar的Pajek项目页面。" 135354316,12835224,STM32与W25Q64 SPI通信实现,"['单片机', 'stm32', '嵌入式硬件']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

centrality & centralization in Pajek

部分命令执行后在Report Window中得到Centralization。
Centralization = sigma(abs(centrality-max(centrality))) / 对于同样大小的网络，分子可能达到的最大值
也就是将sigma(abs(centrality-max(centrality)))规约到[0.00,1.00]范围。
下面记得到的顶点vi的centrality为ci。

1. Degree(得到centrality vector和centralization)
(1) Input
ci=vi的入度
(2) Output
ci=vi的出度
(3) All
ci=vi的度(对Arc忽略其方向)
注：
星形网络的degree centralization为1.00。当网络有重边或者自环时，顶点的度可能不等于其邻居数，可能得到大于1.00，故此时不建议使用degree centralization。

2. Weighted Degree(得到centrality vector)
类似Degree，考虑边的权值。

3. Closeness(得到centrality vector和centralization)</

最低0.47元/天解锁文章