资料下载
聚类系数和度相关性均可调的HK扩展模型
分享资料个
现有的社交网络增长演化模型的度相关性大多为负值。针对这种情况，以HK（Holme和Kim）模型为基础，考虑社交网络中度的正相关特性以及高聚类系数的特征，提出一种适用于构造社交网络的演化增长模型。首先，对现实中的社交网络拓扑结构进行分析，获取真实社交网络的一些重要拓扑参数；然后，通过引入改进的三角连接机制，对HK模型进行改进以实现网络的聚类系数和相关性均可调的目的，称其为聚类系数和度相关性均可调的HK扩展模型（ HK-TDC&C），通过该模型可以构造各种拓扑结构的网络。最后，利用平均场理论对该模型的度分布进行分析，并采用M atlab进行数值仿真，计算网络的其他拓扑参数。实验结果表明：通过调节择优参数和连接概率，用HK-TDC&C构造的社交网络可以满足社交网络的基本特性：无标度特性、小世界特性、高聚类系数特性、度正相关特性，其拓扑结构更接近真实社交网络。
通过研究网络的生长演化模型，可以更好地了解网络的演化规律和形成过程，并且针对社交网络拓扑特性的研究有助于深入认识社交网络的形成过程。
现实生活中，很多复杂网络都具备一些共同的特征，如：高聚类系数、小世界、幂律型度分布等。为了解释幂律分布，学者Barabasi和Albert提出BA模型，解释了幂律分布产生机理；但BA模型产生的网络，聚类系数几乎为0，为提高BA模型的聚类系数，Holme和Kim提出HK模型‘纠，该模型具有较高的聚类系数。受到HK模型启发，此后众多学者提出各种适用场合的网络演化增长模型。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
