为分析时序网络演化速度对传播过程的影响,通过改进已有的时序相关系数定义,给出了一个网络演化速度指标;同时,提出了一个具有非马尔可夫性质的时序网络演化模型。在每个时间步,每一个给定的激活节点都以概率r在网络中随机选择一个节点,以概率1-r在该激活节点的原邻居中随机选择一个节点,并在该激活节点与所选节点间建立连边。模拟结果表明:网络模型参数r与网络演化速度指标之间有单调增的关系;同时,激活节点随机连边的概率r越大,网络传播范围就越广。由此可知:演化速度快的时序网络有利于网络传播;进一步地,网络拓扑结构的快速变化有利于信息的快速传播,但不利于抑制病毒传播。
2022-03-25 14:04:14
771KB
1
MATLAB用拟合出的代码绘图功率定律分配配件
这是幂律分布拟合器的python实现。
此处的代码最初托管于此，但已被移动并重新打包以使setup.py更加干净。
另请参见，具有其他铃声的相同算法的替代实现。
安装
我试图使setup.py文件正常工作，但是它包含一些hacks，因此，如果您遇到麻烦，请在以下位置报告：
git
clone
git@github.com:keflavich/plfit.git
cd
plfit
python
setup.py
install
如果python
setup.py
install无法正常工作，您可以尝试以下操作：
要安装cython函数，请运行：
python
setup.py
build_ext
--inplace
要安装fortran函数：
cd
plfit/plfit/
f2py
-c
fplfit.f
-m
fplfit
--fcompiler=gfortran
描述
亚伦·克劳塞特（Aaron
Clauset）等。
解决使功率定律适合其论文中和论文中的分布的问题。
我创建了他们代码的python实现，因为我没有matlab或R，并且
2022-02-19 00:05:13
360KB
1
1、公式推导
对幂律分布公式：
对公式两边同时取以10为底的对数：
所以对于幂律公式，对X,Y取对数后，在坐标轴上为线性方程。
2、可视化
从图形上来说，幂律分布及其拟合效果：
对X轴与Y轴取以10为底的对数。效果上就是X轴上1与10，与10与100的距离是一样的。
对XY取双对数后，坐标轴上点可以很好用直线拟合。所以，判定数据是否符合幂律分布，只需要对XY取双对数，判断能否用一个直线很好拟合就行。常见的直线拟合效果评估标准有拟合误差平方和、R平方。
3、代码实现
#!/usr/bin/env python
# -*-coding:utf-8 -*-
import matplo
2021-11-02 21:14:09
101KB
1
MATLAB用拟合出的代码绘图幂律
用于拟合幂律分布的Matlab代码
randht.m随机数生成器。
此函数根据文章中讨论的五个分布之一（幂定律，指数，对数正态，拉伸指数和具有截止的幂定律）生成随机分布的连续值。
使用信息包含在文件中；
在Matlab提示符下键入“
help
randht”以获取更多信息。
plfit.m拟合幂律分布。
此功能同时实现了离散和连续的最大似然估计器，以将幂律分布拟合到数据，以及基于拟合优度的方法来估计缩放区域的下限。
使用信息包含在文件中；
在Matlab提示符下键入“
help
plfit”以获取更多信息。
plplot.m可视化拟合的分布。
在几次请求之后，我编写了此函数，该函数（在对数-对数轴上）绘制了经验分布以及拟合的幂律分布。
使用信息包含在文件中；
在Matlab提示符下键入'help
plplot'以获取更多信息
plvar.m估计拟合参数的不确定性。
该函数实现了非参数方法，用于估计由plfit函数找到的幂律拟合的估计参数中的不确定性。
它也实现了连续和离散版本。
使用信息包含在文件中；
在Matlab提示符下键入“
help
plva
2021-10-19 14:52:43
23KB
1
poweRlaw：该程序包同时实现了离散和连续最大似然估计器，以将幂律分布拟合到数据。 此外，基于拟合优度的方法用于估计缩放区域的下限
2021-02-06 09:05:27
1.59MB
1