2018-01-01 孙小北

复杂网络节点重要性算法之局部中心性

Chen 等考虑节点最近邻居和次近邻居的度信息,提出局部中心性。

Chen 等考虑节点最近邻居和次近邻居的度信息, 定义了一个多级邻居信息指标(local centrality), 来对网络中节点的重要性排序。

局部中心性.png

其中Γ (i) 为节点i 最近邻居集合, Γ ( j) 为节点j 最近邻居集合, N(u) 为节点u 最近邻居数和次近邻居数之和。

R语言算法:

###############################################################
#CreatedDt:20170603
#Author:Scc
#Function: Chen等 考虑最近邻居节点和次邻居节点的信息  
#一种多级邻居节点的重要性排序   局部中心性LC 
#参数:A--邻接矩阵,n--网络节点个数;返回:LC--局部中心性
###############################################################
calLC<-function(A,n){  
    #计算度    
    D<-apply(A,1,sum)  #即最近邻居节点和次邻居节点NeiborN  
    NeiborN<-rep(0,n)   
    #library(dplyr)  
    for(i in 1:n){   
        Neibor<-which(A[i,]==1) #最近邻居节点下标    
        for(k in Neibor){      
            Neibor2<-which(A[k,]==1) #最近邻居节点的邻居节点Neibor2     
            Neibor<-union(Neibor,Neibor2) #合并得到邻居节点和次邻居节点和当前节点    
        }    
        NeiborN[i]<-length(Neibor)-1;#计算当前节点的邻居节点和次邻居节点个数(去掉当前节点)  
    }  
    #计算邻居节点的最近邻居节点和次邻居节点个数之和 
    Q<-rep(0,n)   
    for(i in 1:n){    
        Q[i]<-sum(NeiborN[which(A[i,]==1)]);  
    }  
    #计算局部中心性  
    LC<-rep(0,n)  for(i in 1:n){
        LC[i]<-sum(Q[which(A[i,]==1)]);  
    }  
    return (LC);
}


参考文献:

Duanbing Chen, Linyuan Lü, Ming-Sheng Shang, et al. Identifying influential nodes in complex networks[J]. Physica A: Statistical Mechanics and its Applications, 2012, 391(4):1777-1787.

任晓龙, 吕琳媛. 网络重要节点排序方法综述[J]. 科学通报, 2014(13):1175-1197.


编辑:孙小北

本文地址: https://www.xiaowangyun.com/wyblog/detail/?id=121

版权归属: www.xiaowangyun.com   转载时请以链接形式注明出处

0 条评论

快来评论

物以类聚

最新评论

2017-10-06

一辈子不长,只有珍惜了,才不至于后悔。

2017-10-06

懂得感恩,才能走得更远。

标签云

归档

取消

感谢您的支持,您的每一次打赏都是一次鼓励!

扫码支持
每一次支持,都是不懈的动力

打开支付宝扫一扫,即可进行扫码打赏哦