复杂网络的分形特征及其实证研究

doi:10.3778/j.issn.1002-8331.2009.20.015

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (20): 52-53.DOI: 10.3778/j.issn.1002-8331.2009.20.015

复杂网络的分形特征及其实证研究

方爱丽¹，孙丽珺²

1.鲁东大学数学与信息学院，山东烟台 264025
2.青岛科技大学信息科学技术学院，山东青岛 266061

收稿日期:2008-04-21 修回日期:2008-07-07 出版日期:2009-07-11 发布日期:2009-07-11
通讯作者: 方爱丽

Fractal feature in complex networks and empirical demonstration

FANG Ai-li¹，SUN Li-jun²

1.School of Mathematics and Information，Ludong University，Yantai，Shandong 264025，China
2.College of Information Science & Technology，Qingdao University of Science & Technology，Qingdao，Shandong 266061，China

Received:2008-04-21 Revised:2008-07-07 Online:2009-07-11 Published:2009-07-11
Contact: FANG Ai-li

摘要/Abstract

摘要： 为了探究复杂网络蕴含的复杂性，对复杂网络的分形特征进行了讨论。根据盒计数法和重整化过程对刻画分形复杂性的重要参数——分形维数进行了分析研究，并以C.elegans线虫的新陈代谢网为例，进行了复杂网络分形特征的实证研究。

关键词: 复杂网络, 分形特征, 重整化, 分形维数

Abstract: In order to probe the complexity of complex network，the fractal features are discussed.According to the box-counting method and the renormalization procedure，the fractal dimension which is one of the most important parameters to describe the complexity of fractal is studied.Moreover，the metabolic network of C.elegans is illustrated as an empirical demonstration for the fractal feature of complex networks.

Key words: complex networks, fractal feature, renormalization, fractal dimension

方爱丽¹，孙丽珺². 复杂网络的分形特征及其实证研究[J]. 计算机工程与应用, 2009, 45(20): 52-53.

FANG Ai-li¹，SUN Li-jun². Fractal feature in complex networks and empirical demonstration[J]. Computer Engineering and Applications, 2009, 45(20): 52-53.

[1]	马满福，郭晨彪，李勇，张钟颖，张强，王常青. 基于结构熵的注意力流网络异构性研究[J]. 计算机工程与应用, 2021, 57(23): 98-105.
[2]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[3]	李金海，何有世，张鹏. 融合情境语义推理及社会网络的团购推荐研究[J]. 计算机工程与应用, 2021, 57(18): 163-171.
[4]	王安，顾益军. 基于社区划分的节点重要性评估方法[J]. 计算机工程与应用, 2020, 56(8): 42-48.
[5]	陈杰，程胜，徐梦，史豪斌. 面向医疗辅助诊断的可视化多属性决策方法[J]. 计算机工程与应用, 2020, 56(8): 249-255.
[6]	封雪梅，张志毅，杨龙. 分形维数的全局点云初始配准算法[J]. 计算机工程与应用, 2020, 56(5): 234-241.
[7]	赵亮，朱征宇. 融入K-核迭代因子的重叠社区发现算法[J]. 计算机工程与应用, 2020, 56(3): 61-67.
[8]	杜轻，辛守庭，雷新宇，于海涛. 基于脑网络和TSK模糊系统的癫痫脑电识别[J]. 计算机工程与应用, 2020, 56(2): 133-140.
[9]	蔡菲，张鑫，牟晓慧，陈杰，蔡珣. 深度非负矩阵分解的链路预测方法研究[J]. 计算机工程与应用, 2020, 56(15): 153-161.
[10]	易成岐，郭鑫，童楠楠，窦悦，陈东，王建冬. 基于启发式社团发现模型的创新态势研判算法[J]. 计算机工程与应用, 2020, 56(15): 74-79.
[11]	张昕，郭阳. 复杂网络中的一种介度熵抗毁性度量方法[J]. 计算机工程与应用, 2020, 56(12): 105-111.
[12]	盛津芳，刘家广，王斌. 基于Katz自动编码器的城市路网链路预测模型[J]. 计算机工程与应用, 2019, 55(8): 116-123.
[13]	姚蓉1，杨雄1，杨鹏飞1，阴桂梅1，2，李海芳1. 精分EEG脑网络同步稳定性研究[J]. 计算机工程与应用, 2019, 55(5): 60-64.
[14]	陈紫扬，张月霞. 结合二层节点度和聚类系数的链路预测算法[J]. 计算机工程与应用, 2019, 55(23): 40-44.
[15]	张昕，严沛，郭阳，王慧慧. 基于k-shell的复杂网络最短路径近似算法[J]. 计算机工程与应用, 2019, 55(14): 54-60.

复杂网络的分形特征及其实证研究

Fractal feature in complex networks and empirical demonstration

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics