特征向量中心性求解举例

爱富

已于 2022-07-10 00:28:42 修改

阅读量2.1k

点赞数 4

分类专栏：人工智能文章标签：线性代数矩阵机器学习人工智能

于 2022-07-10 00:23:25 首次发布

本文链接：https://blog.csdn.net/lflucn/article/details/125699715

版权

特征向量中心性

“特征向量中心性” 试图通过结合无向图中的邻居结点的重要性来概括度中心性。
用邻接矩阵A记录邻居结点，则结点 $v_i$ 的特征向量中心性:
$C_e(v_i)=\frac 1 {\lambda}\Sigma_{j=1}^{n}A_{j,i}C_e(v_j)$
假设 $C_e=(C_e(v_1),C_e(v_2),...,C_e(v_n))^T$ 是所有结点的中心向量，则
$\lambda C_e=A^TC_e$
$C_e$ 是邻接矩阵 $A^T$ 的特征向量， $\lambda$ 是特征值， $\lambda$ 有多个解，为了保证中心值大于0，取最大的 $\lambda$ 。

例求下图的特征向量中心性：

在这里插入图片描述

解：

邻接矩阵为

$\left[ \begin{matrix} 0 & 1 & 0 & 1 & 0\\ 1 & 0 & 1 & 1 & 1\\ 0 & 1 & 0 & 1 & 0\\ 1 & 1 & 1 & 0 & 0\\ 0 & 1 & 0 & 0 & 0\\ \end{matrix} \right]$

求矩阵的特征值
求解 $(A-\lambda I)C_e=0$ ,假设 $C_e=[u_1 u_2 u_3 u_4 u_5]$ ,
$\left[ \begin{matrix} -\lambda & 1 & 0 & 1 & 0\\ 1 & -\lambda & 1 & 1 & 1\\ 0 & 1 & -\lambda & 1 & 0\\ 1 & 1 & 1 & -\lambda & 0\\ 0 & 1 & 0 & 0 & -\lambda\\ \end{matrix} \right]\left[ \begin{matrix} u_1\\ u_2\\ u_3\\ u_4\\ u_5\\ \end{matrix} \right]=\left[ \begin{matrix} 0\\ 0\\ 0\\ 0\\ 0\\ \end{matrix} \right]$
$det(A-\lambda I)=\left| \begin{matrix} -\lambda & 1 & 0 & 1 & 0\\ 1 & -\lambda & 1 & 1 & 1\\ 0 & 1 & -\lambda & 1 & 0\\ 1 & 1 & 1 & -\lambda & 0\\ 0 & 1 & 0 & 0 & -\lambda\\ \end{matrix} \right|=0$