关键词clustering coefficients
搜索结果 - 7
- 利用网络分析加强人工智能政策的融合和预测：来自印度专利的启示
该研究通过使用中心性度量，聚类系数和融合度量，研究了各种人工智能（AI）技术之间的相互联通性和相互依赖性。通过对不同时间窗口的技术进行分析，并量化其重要性，我们揭示了塑造 AI 领域和成熟度水平的关键组件，对未来的人工智能发展和进步具有重要 - 三角丰富复杂网络低秩表示的不可能性
本文研究了复杂网络的图嵌入，发现该方法无法捕捉复杂网络的重要特征，尤其是低度和大聚集系数。通过数学证明和实证研究，本文认为这种图嵌入技术不适用于揭示真实世界复杂网络的结构特征。
- 关于图信号处理中稀疏性、幂律和聚类性质的研究
本文研究了基于可交换点过程的图形类的特性，提供了边数、节点数和度分布的渐近表达式，并确定了四个区域：（i）密集区域，（ii）几乎稠密区域，（iii）具有幂律行为的稀疏区域和（iv）几乎极度稀疏区域。作者表明，在温和的假设下，全局和局部聚类系 - 一个具有社区结构的可扩展生成图模型
本研究提出了一种可适应实际数据的分布式可生成网络模型 BTER，该模型可用于社交网络等具有社区结构的图形的生成和性能评估，并实现了一个可扩展的实现，在模拟包含 46 亿条边的真实 web 图形时获得更好的延展性和数据拟合度。
- 图上的三元度量：楔采样的威力
本文提出了一种名为楔采样的新方法，它可以用于快速与准确地近似计算图中各种变体的聚类系数，并能够快速均匀地采样图中的三角形，其方法具有证明的可行性及性能交换，该方法比现有技术快数个数量级，同时几乎提供完全枚举的准确性，这将有助于广泛采用三角度 - 二模式网络中的三元闭合性：重新定义全局与局部的聚类系数
本文提出了一种针对二模网络的聚类系数重新定义来解决在将二模网络投影到一模网络时涉及的一些问题，并发现局部聚类系数和约束（结构空洞）与节点的二模度数呈负相关。
- 具有聚类特性的稀疏随机图
本文介绍了一种扩展了边远离独立性的稀疏随机图的一般模型，并且通过构造非齐性随机超图来替代每个超边，再通过与某个积分算子的范数相关来解释巨型连通性的临界点，并将该巨型连通量与某些（非 Poisson）多类型分支过程的生存概率关联起来，同时研究