无标度网络中幂律分布的贝叶斯推断
【文章页数】:47 页
【学位级别】:硕士
【部分图文】:
图2.1:ER随机图模拟:顶点数n=100,(a)连接概率p=0.01;(b)连接概率p=0.05.
第二章广义随机图(a)(b)图2.1:ER随机图模拟:顶点数n=100,(a)连接概率p=0.01;(b)连接概率p=0.05.目前提到随机图,一般就是指上述两种模型中的一种.从随机图出现以后,人们对它的研究就没有终止过,而且随着对其研究的深入,随机图的相关理论和某些应用也得到了....
图2.2:广义随机图模拟:(a)顶点数n=100,a=1.3,=2.5;(b)顶点数n=500,a=1.3,=3.5.
第二章广义随机图例2.2.用广义随机图生成具有幂律分布的复杂网络,其中a0,>0,给定分布函数F(x)=8><>:0,xa,1(a/x)1,x>a.(2.3)此时,有[1F]1(u)=au1/(1),当给定wi=[1F]1(i/n)(2.4)时,顶点权重序列取值为wi=a(i/n....
图3.1:循环采样
第三章幂律分布的贝叶斯推断由R(a,!a0,0)=q(a,!a0,0)(a,!a0,0),所以可以得到R(a,!a0,0)R(a0,0!a,)=q(a,!a0,0)q(a0,0!a,)(a,!a0,0)(a0,0!a,),(3.11)图3.1:循环采样我们有两个参数a和,选择在横....
图4.1:真实参数与MCMC所估计的对应的函数图像(a)n=8000,=2.50,=2.56;(b)n=12000,=2.20,=2.56.
第四章数据分析由定理2.2及其证明,我们已经知道,当给定权重服从幂律分布时可以得到度数是渐近服从幂律分布的随机图,从图像4.1也可以看出,用MCMC估计出的参数值拟合的幂律分布函数图像与真实样本观察值所对应的分布函数图像几乎是吻合的,侧面表明我们通过给定权重服从幂律分布是可以生成....
本文编号:4039035
本文链接:https://www.wllwen.com/kejilunwen/yysx/4039035.html
下一篇:没有了