复杂网络的统计分析
摘要 | 第4-5页 |
Abstract | 第5页 |
第一章 绪论 | 第8-12页 |
1.1 网络科学 | 第8页 |
1.2 网络分析 | 第8-9页 |
1.3 网络数据R分析 | 第9-10页 |
1.4 研究目的 | 第10-11页 |
1.5 文章安排 | 第11-12页 |
第二章 igraph类 | 第12-22页 |
2.1 图的储存结构 | 第12-13页 |
2.2 创建网络图 | 第13-20页 |
2.2.1 手动输入 | 第13-15页 |
2.2.2 读取数据文件 | 第15-20页 |
2.3 图形可视化 | 第20-22页 |
第三章 图形展示 | 第22-32页 |
3.1 图形布局 | 第22-26页 |
3.2 图形装饰 | 第26-28页 |
3.3 可视化大型网络 | 第28-32页 |
第四章 网络图形特征的描述性分析 | 第32-40页 |
4.1 网络特征 | 第32-33页 |
4.1.1 网络大小 | 第32页 |
4.1.2 网络密度 | 第32-33页 |
4.1.3 网络组件 | 第33页 |
4.1.4 聚类系数 | 第33页 |
4.2 顶点和边特征 | 第33-40页 |
4.2.1 顶点度 | 第34-36页 |
4.2.2 顶点中心性 | 第36-40页 |
第五章 指数随机图模型 | 第40-64页 |
5.1 ERGM概述 | 第40-41页 |
5.2 ERGM在不同依赖假设下的形式 | 第41-42页 |
5.2.1 Bernoulli随机图模型 | 第41页 |
5.2.2 二元独立模型 | 第41-42页 |
5.2.3 马尔科夫随机图模型 | 第42页 |
5.2.4 节点属性约束 | 第42页 |
5.3 ERGM参数估计方法 | 第42-43页 |
5.4 R上的模型推断函数 | 第43-46页 |
5.5 构造指数随机图模型 | 第46-59页 |
5.5.1 构建空模型 | 第48-50页 |
5.5.2 添加节点属性 | 第50-52页 |
5.5.3 添加二元预测 | 第52-55页 |
5.5.4 添加关系项 | 第55-57页 |
5.5.5 添加局部结构预测 | 第57-59页 |
5.6 检验指数随机图模型 | 第59-64页 |
5.6.1 模型解释 | 第59页 |
5.6.2 模型拟合 | 第59-61页 |
5.6.3 模型诊断 | 第61-62页 |
5.6.4 网络仿真 | 第62-64页 |
第六章 结论 | 第64-65页 |
致谢 | 第65-66页 |
参考文献 | 第66-68页 |