大数据时代，互联网成为科学研究的有效工具和平台。借助百度搜索指数数据，运用复杂网络方法构建互联网空间下有向加权城市网络模型，分析互联网上的城市网络格局及复杂结构。以我国36个大城市数据为样本，实证发现该城市网络的节点出权及入权累积分布均符合指数分布，归类网络中的城市活跃类型，计算挖掘出网络中的关键城市节点以及网络的凝聚子群。从互联网新媒介视角对“互联网 ”计划下城市网络结构作出了新的解析，丰富了城市复杂网络的研究，对城市的建设规划、管理具有指导意义。

计算有向、加权复杂网络的最短距离和路径

加权网络节点重要性评估的改进节点收缩法

加权网络是复杂网络研究的一个重要分支,连边权重的异质性有助于刻画复杂系统的各种特性.但长期以来,由于加权网络上各种统计量的定义不统一、物理意义不明确,很多学者直接抛弃交互作用的强度,使用门限值将加权网络变为二值无权网络后再进行研究.本文综述了加权网络上常用的统计量,并简要介绍了这些统计量在实际复杂系统分析中的应用.本研究有助于相关研究人员明确各种加权网络统计量的物理意义,使用加权网络对复杂系统进行分析和刻画.同时,理解各种常用统计量的内在联系和应用背景是构造更有效加权网络统计量的基础.最后介绍了各种权重网络的随机化置乱方法,为分析和理解实际加权网络统计量的绝对值提供了参考和比较.

disparity_filter 使用图，基于多尺度骨干网，在Python中实现差异过滤器： “提取复杂加权网络的多尺度主干” M.ÁngelesSerrano，MariánBoguña，Alessandro Vespignani 视差过滤器通过考虑系统中所有尺度下的相关边缘，利用权重之间的局部异质性和局部相关性来提取网络主干。 只要该方法的强度相对于边缘入射到的两个节点中至少一个节点的均匀随机性的零假设在统计学上不兼容，该方法就保留该边缘，这确保了不会忽略强度方面小的节点。 结果，视差过滤器减少了原始网络中的边缘数量，同时显着保持了几乎所有的权重和很大一部分节点。 同样，该过滤器保留了度数分布的截止点，权重分布的形式和聚类系数。 该项目类似于，尽管提供的功能与以下各项不同： 实施细节 如果您不熟悉多尺度骨干分析，可以将其视为类似于在图形边缘而不是其节点上计算出的中心性。 换句话

一种加权网络聚类运算中权与相似度转换方法.pdf

针对高端制造业客户需求数据庞大、需求间相关关系复杂的问题，提出了基于加权网络的客户需求聚类方法。将客户需求看做加权网络的节点，将客户需求之间的相关关系看做加权网络的边，构建客户需求的加权网络，并在加权网络的基础上结合聚类算法对客户需求进行聚类处理，从而将杂乱无章的客户需求根据相关程度进行分类。考虑到需求之间关系的主观性和模糊性，采用三角模糊数来量化加权网络的边权，最后以客户对塔式起重机的需求为例对所提方法的有效性进行了验证。

具有相似的小世界和无标度全局结构特征的网络却可能具有不同的局部结构特征。特定实际网络的局部结构特征对网络演化具有重要的影响。在集团度和点权有限网络模型的基础上,基于节点共同邻居驱动的思想,构造了一种新的符合实际加权网络演化的模型CNL。电子邮件网络实证研究显示,该模型生成的网络规模与实际吻合,且能够重现实证研究所观察到的幂律集团度分布,CNL揭示了大量真实网络演化生长的重要机理,可以广泛用于真实网络演化分析。

基于BBV的有向加权网络模型基于BBV的有向加权网络模型