幂律分布的离散和连续形式
离散形式：由于节点的度是正整数，k=0，1，2……，因此，表示一个节点正好有k个链接的概率pk是一种离散形式的幂律分布：
p
k
=
C
k
−
γ
p_k=Ck^{-\gamma }
pk=Ck−γ
常数C由如下归一化条件来确定：
∑
k
=
1
∞
p
k
=
1
\sum_{k=1}^{\infty}p_k=1
k=1∑∞pk=1
即：
C
∑
k
=
1
∞
k
−
γ
=
1
C\sum_{k=1}^{\infty}k^{-\gamma}=1
Ck=1∑∞k−γ=1
所以：
C
=
1
∑
k
=
1
∞
k
−
γ
=
1
ζ
(
γ
)
C=\frac{1}{\sum_{k=1}^{\infty}k^{-\gamma}}=\frac{1}{\zeta (\gamma)}
C=∑k=1∞k−γ1=ζ(γ)1
其中，
ζ
(
γ
)
\zeta (\gamma)
ζ(γ)是黎曼泽塔函数。因此，对任意的k>0，离散形式的幂律分布为：
p
k
=
k
−
γ
ζ
(
γ
)
p_k=\frac{k^{-\gamma}}{\zeta (\gamma)}
pk=ζ(γ)k−γ
连续形式：方便起见，在进行解析计算时，通常会假设度可以为任意正实数，在这种情况下，可以把幂律度分步写成：
p
(
k
)
=
C
k
−
γ
p(k) =Ck^{-\gamma}
p(k)=Ck−γ
使用归一化条件
∫
k
m
i
n
∞
p
(
k
)
d
k
=
1
\int_{k_{min}}^{\infty}p(k)dk=1
∫kmin∞p(k)dk=1
可以得到
C
=
1
∫
k
m
i
n
∞
k
−
γ
d
k
=
(
γ
−
1
)
k
m
i
n
γ
−
1
C=\frac{1}{\int_{k_{min}}^{\infty}k^{-\gamma}dk}=(\gamma-1)k_{min}^{\gamma-1}
C=∫kmin∞k−γdk1=(γ−1)kminγ−1
所以，度分布的连续形式为
p
(
k
)
=
(
γ
−
1
)
k
m
i
n
γ
−
1
k
−
γ
p(k)=(\gamma-1)k_{min}^{\gamma-1}k^{-\gamma}
p(k)=(γ−1)kminγ−1k−γ
最大的枢纽节点
结论：枢纽节点在随机网络中不存在，在无标度网络却自然出现。
无标度的含义
度指数
总结
扫一扫
8460
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
