车辆通信中基于连通性的多车道路由优化算法

基于脑电图记录的非线性和动态功能性大脑连通性成像及其在阿尔茨海默氏病诊断中的应用

matlab分时代码BVAR连接 描述 这是一种用户友好的Matlab GUI，它对贝叶斯多主题向量自回归（VAR）模型实施了变分推理方法，以便基于静止状态功能MRI数据来推理有效的大脑连通性。 建模框架使用贝叶斯变量选择方法，以允许在主题级别和小组级别同时推断有效的连接性。 它还可以灵活地将多模式数据（尤其是结构性DTI数据）集成到现有结构中。 我们开发的变分推理方法可实现方法的可扩展性，并能够根据数据的全脑分割来估计主题级和小组级的大脑连接网络 下面的手稿中描述了变分方法的方法论和详细实现： Chiang，S.，Guindani，M.，Yeh，HJ，Haneef，Z.，Stern，JM和Vannucci，M.（2017）。 使用多模态神经影像数据进行多主体有效连通性推理的贝叶斯矢量自回归模型。 人脑映射，38，1311-1332。 Kook，JH，Vaughn，KA，DeMaster，DM，Ewing-Cobbs，L.和Vannucci，M.（2020年）。 BVAR-连接：用于大脑连接网络推理的多主题向量自回归模型的变分贝叶斯方法。 神经信息学的出现。 内容和安装。 该存储库包含

不仅判断图的连通性，而且程序还能求出该图的连通块数，并指出每个顶点分别属于哪个连通块。

测试网络连通性P处理文件

openstreetmap：OpenStreetMap的接口（加载地图，提取道路连通性，绘制道路网络并找到最短路径）

文章很不错，主要是几个公式能用的到，希望能用到的人多多支持

STUN和TURN服务连通性测试程序

从普适计算的角度出发，探索不同时空尺度的神经元组件之间的有效连通性是人脑研究中的重要问题。 同时，网络主题在网络分类和结构网络特性分析中发挥作用。 本文开发了一种通过使用网络图案来分析功能磁共振成像（fMRI）数据的有效连通性的方法。 首先，基于格兰杰因果关系分析（GCA）分析了功能磁共振成像时间序列之间的有向相互作用，从而建立了复杂的网络以揭示不同大脑区域之间的因果关系。 然后用多种网络图案描述了复杂网络中的有效连通性，并根据网络图案拓扑参数表征了fMRI数据的统计特性。 最后，实验结果表明，该方法在测试和测量fMRI数据的有效连通性方面是可行的。

本实例利用ArcEngine和C#语言开发，实现管网 线路的连通性分析。