计算网络中节点的h指数

网络科学中节点的H指数为h指的是节点有h个邻居,且这些邻居的度至少为h。使用MATLAB语言可以如下来编程得到节点的H指数。

clc    
clear   
load('C:\Users\xs\Desktop\需要用的数据集\USAir.mat');
degree=sum(USAir,2);
nodeHindex=zeros(1,length(USAir));
for i=1:length(USAir)
    neighbornode=find(USAir(i,:)~=0);
    for j=1:max(degree)
        if  sum(degree(neighbornode)>=j)<j
            break;
        end
    end
    nodeHindex(i)=j-1;
end

  • 5
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
NMI(Normalized Mutual Information)指标是用于衡量两个网络之间相似度的一种度量方法。在计算NMI指标时,需要考虑到两个网络节点和边的信息。 首先,我们需要计算两个网络节点的互信息。节点的互信息是衡量两个节点之间的相似度的一种方法。可以使用公式MI(X,Y) = ΣΣP(X,Y) * log(P(X,Y) / (P(X) * P(Y)))来计算节点之间的互信息。其,P(X,Y)表示节点X和节点Y同时出现的概率,P(X)和P(Y)分别表示节点X和节点Y的出现概率。将所有节点之间的互信息相加,即得到了两个网络节点的互信息。 接下来,我们需要计算两个网络的边的互信息。边的互信息是衡量两个边之间的相似度的一种方法。可以使用公式MI(A,B) = ΣΣP(A,B) * log(P(A,B) / (P(A) * P(B)))来计算边之间的互信息。其,P(A,B)表示边A和边B同时出现的概率,P(A)和P(B)分别表示边A和边B的出现概率。将所有边之间的互信息相加,即得到了两个网络的边的互信息。 最后,将节点的互信息和边的互信息相加,并进行归一化处理,即可得到两个网络间的NMI指数。归一化的方法可以使用公式NMI = (2 * MI(X,Y)) / (H(X) + H(Y))。其,MI(X,Y)为节点和边的互信息之和,H(X)和H(Y)分别表示两个网络节点和边的熵。 通过计算两个网络节点和边的互信息,并进行归一化处理,我们可以得到两个网络间的NMI指数。NMI指数越高,表示两个网络之间的相似度越高。这个指标可以帮助我们比较和分析不同网络之间的相似性,从而更好地理解网络结构和关系。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

wjdamowang

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值