×

空间优先依附模型的聚类系数。 (英语。俄文原件) Zbl 1452.62451号

多克。数学。 98,第1号,304-307(2018); Dokl翻译。阿卡德。恶心,罗斯。阿卡德。Nauk 481,第1期,10-13页(2018年)。
摘要:考虑了空间优先连接模型中图的聚类结构,该模型与现实网络的相似性已在许多方面得到了体现。研究了局部聚类系数的行为。也就是说,当图的大小趋于无穷大时,它的平均值在一定程度的所有图顶点上的渐近行为被检验。这一特征以前在SPA模型中没有分析过,它反映了图中某个顶点附近的聚类结构对其度的典型依赖性。此外,还表明,在很高的概率下,存在一个顶点,其聚类系数的值与其平均值不同。

MSC公司:

62H30型 分类和区分;聚类分析(统计方面)
62小时11分 定向数据;空间统计学
05C90年 图论的应用
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Aiello,W。;博纳托,A。;库珀,C。;詹森,J。;Prałat,P.,无文章标题,网络数学。,5, 175-196, (2009) ·Zbl 1206.68221号 ·doi:10.1080/15427951.2008.10129305
[2] Avrachenkov,K。;Iskhakov,L。;Mironov,M.,关于两两马尔可夫随机场的混合及其在社交网络中的应用,127-139,(2016)·Zbl 1398.60072号
[3] Iskhakov,L。;Mironov,M.,《随机距离图的直径》,J.Math。科学。,227, 407-418, (2017) ·Zbl 1410.05181号 ·doi:10.1007/s10958-017-3594-y
[4] 雅各布·E。;Mörters,P.,带局部聚类的空间优先依恋模型,14-25,(2013)·Zbl 1342.05141号 ·doi:10.1007/978-3-319-03536-92
[5] 雅各布·E。;Mörters,P。;等。,没有文章标题,Ann.Appl。概率。,25, 632-662, (2015) ·Zbl 1310.05185号 ·doi:10.1214/14-AAP1006
[6] 詹森,J。;Hurshman,M。;Kalyaniwalla,N.,无文章标题,互联网数学。,8, 338-363, (2013) ·doi:10.1080/15427951.2012.671149
[7] 詹森,J。;Prałat,P。;Wilson,R.,无文章标题,Adv.Appl。数学。,50, 243-267, (2013) ·Zbl 1255.90027号 ·doi:10.1016/j.aam.2012.09.001
[8] 詹森,J。;Prałat,P。;Wilson,R.,无文章标题,互联网数学。,12, 121-144, (2016) ·Zbl 1465.05171号 ·doi:10.1080/15427951.2015.1110543
[9] Krot,A。;Prokhorenkova,L.O.,广义优先依恋模型中的局部聚类系数,15-28,(2015)·Zbl 1342.05143号 ·doi:10.1007/978-3-319-26784-52
[10] Newman,M.E.,无文章标题,SIAM Rev.,45,167-256,(2003)·Zbl 1029.68010号 ·doi:10.1137/S003614450342480
[11] 纽曼,M.E.,无文章标题,康斯坦普。物理。,46, 323-351, (2005) ·doi:10.1080/00107510500052444
[12] Prokhorenkova,L.P.,无文章标题,Optim。莱特。,11, 279-298, (2017) ·Zbl 1369.90020号 ·doi:10.1007/s11590-016-1030-8
[13] Raigorodskii,A.,无文章标题,Optim。莱特。,11, 249-257, (2017) ·Zbl 1369.90029号 ·doi:10.1007/s11590-015-0945-9
[14] 拉瓦斯,E。;Barabasi,A.-L.,无文章标题,Phys。E版,67,026112,(2003)·doi:10.1103/PhysRevE.67.026112
[15] 瓦兹奎兹,A。;牧师萨托拉斯,R。;Vespignani,A.,无文章标题,Phys。E版,65,066130,(2002)·doi:10.103/物理版本E.65.066130
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。