复杂网络基本模型
人们对不同领域的大量实际网络的拓扑特性进行了广泛的实证性研究。在此基础上提出了各种各样的网络拓扑结构模型,包括规则网络(regular network)、
随机图(random graph)、小世界网络(small-world network)和无标度网络(scale-free network)等。
规则网络通常具有较大的聚类系数,而随机图则一般具有较小的平均路径长度。Watts 和 Strogatz 提出的小世界网络模型(1998)是一个既具有较小的平均路径长度,又具有较大的聚类系数的网络模型。而Barabási 和 Albert 提出的无标度网络模型(1999),则是基于许多实际网络的度分布具有幂律(power-law)形式的事实。
#规则网络
规则网络一般分为全局耦合网络(globally coupled network)和最近邻耦合网络(nearest-neighbor coupled network)全局耦合网络中,所有节点两两相连,因此具有最小的平均路径长度和最大的聚类系数。最近邻耦合网络中,每个节点只与它周围的邻节点相连,网络具有高度的聚类性。然而,它的平均路径长度与K值成反比。因此,它不是一个小世界网络。
#随机图
#小世界网络
#无标度网络
参考文献:乔赫元. 基于复杂网络的脑功能研究与分析[D]. 中国科学技术大学, 2011.