按照图形理论,聚集系数是表示一个图形中节点聚集程度的系数,证据显示,在现实中的网络中,尤其是在特定的网络中,由于相对高密度连接点的关系,节点总是趋向于建立一组严密的组织关系。在现实世界的网络,这种可能性往往比两个节点之间随机设立了一个连接的平均概率更大。
在很多网络中,如果节点v1连接于节点v2,节点v2连接于节点v3,那么节点v3很可能与v1相连接。这种现象体现了部分节点间存在的密集连接性质。可以用聚类系数(CC)来表示,在无向网络中,聚类系数定义为: C = 2*n/(k*(k-1))其中,n表示在节点v的所有k个邻居间的边数。
#include <bits/stdc++.h>
#define N 5
#define M 8
#define fr(x) freopen(x,"r",stdin)
#define fw(x) freopen(x,"w",stdout)
#define m(a, x) memset(a, x, sizeof(a))
#define fs(u,v) fscanf(fp1,"%d %d",&(u),&(v))
using namespace std ;
FILE *fp1=fr("shuju.dat") , *fq1=fw("jiju.dat");
double s[N] , cc[N];
int du[N],a[N][N],b[N][N];
void read_data()//读入数据
{
m(a,0) , m(b,0);
for (int i=0;i<M;i++)
{
int u , v;
fs(u,v);//读入数据
a[u][v]=a[v][u] = 1 ;//无向图
}
for (int i=0;i<N;i++) for (int j=0;j<N;j++) b[i][j]=a[i][j]*2;//计算邻接矩阵
fprintf(fq1,"该图每个点的度数为:\n");
for(int i=0;i<N;i++)
{
int l=0 ;
for (int j=0;j<N;j++) if(b[i][j]) l++;
du[i]=l;
fprintf(fq1,"%d %d\n",i,du[i]);
}
fprintf(fq1,"\n");
return;
}
void get_cluser()//求集聚系数
{
int s1,l1,s2;
double sum, ave ;
fprintf(fq1,"每个点的集聚系数为:\n");
for (int i=0;i<N;i++)
{
l1=0;
memset(s,0,sizeof(s));
if(du[i]>=2)
{
for (int j=0;j<N;j++) if(b[i][j]) s[j]=1;
for (int k=0;k<N;k++)
{
if(s[k]==1)
{
s1=k;
for (int x=s1;x<N;x++)
{
if(s[x]==1)
{
s2=x;
if(b[s1][s2]) l1++;
}
}
}
}
cc[i]=(2.0*l1)/((du[i]*(du[i]-1)));
}
if(du[i]!=0) fprintf(fq1,"%d %f\n",i,cc[i]);
}
fprintf(fq1,"\n");
sum=0.0;
for(int i=0;i<N;i++) sum+=cc[i]*1.0;
ave=sum/N;
fprintf(fq1,"平均集聚系数为:%f\n",ave);
return;
}
int main()
{
read_data();
get_cluser();
fclose(fp1);
fclose(fq1);
return 0;
}