- 博客(3)
- 收藏
- 关注
原创 Identifying influential spreaders in complex networks based on improved k-shell method 改进k-壳2020
为了评估源传播者比例的影响,我们通过改变初始感染节点的比例值从0到0.2来模拟流行病在8个网络上的传播。不同方法的时间复杂度。该方法的主要优点是在与k-shell相同的复杂度下实现高性能。SIR模型中9种方法在8个网络上的传播规模与感染时间的函数图。给出了不同评价指标与电子邮件网络实际影响¯σi的相关结果。九种方法得到的平均最短路径长度Ls的比较。
2023-08-26 00:24:37 333
原创 Identifying Important Nodes in Complex Networks Based on Node Propagation Entropy 熵的复杂网络节点识别2022
局部聚类系数:节点i的局部聚类系数由节点i相邻节点之间实际存在的边数与最大可能边数之比给出。其中节点j表示网络中的任意节点,n为节点总数,CNJ表示节点j的本地传播能力。式中,N(i)表示节点i的所有一阶邻居,j表示N(i)中的任意节点。Cn只考虑局部信息,不考虑全局信息。节点PE在式中定义如下。
2023-08-25 23:57:18 294
原创 Entropy based flow transfer for influence dissemination in networks 基于熵的网络影响传播流传递2020
(C(J)提出太突然)
2023-08-25 23:02:15 262 2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人