subgraph_centrality

subgraph_centrality(G)

返回g中每个节点的子图中心性。

结点的子图中心性 n 是从结点开始和结束的所有长度的加权闭合漫游的总和 n 。权重随着路径长度的增加而减小。每个闭合漫游都与一个连通子图相关联 ([1]) 。

参数

G: graph

返回

nodes词典

以子图中心度为值的节点字典。

加薪

NetworkXError

如果图不是无向且简单的。

参见

subgraph_centrality_exp

子图中心性的交替算法。

笔记

这个算法版本计算邻接矩阵的特征值和特征向量。

结点的子图中心性 u 在G中可以使用邻接矩阵的谱分解来找到 [1],

\[sc（u）=\sum j=1 ^ n（v j ^ u）^2 e ^ \ lambda_j，\]

哪里 v_j 是邻接矩阵的特征向量 A 与本征值相对应的G的 lambda_j 。

工具书类

1(1,2,3)

Ernesto Estrada，Juan A.Rodriguez Velazquez，“复杂网络中的子图中心性”，物理评论E 71056103（2005）。网址：https://arxiv.org/abs/cond-mat/0504730

实例

(示例来自 [1]) >G=nx.Graph(... [...(1，2)，...(1，5)，...(1，8)，...(2，3)，...(2，8)，...(3，4)，...(3，6)，...(4，5)，...(4，7)，(5，6)，(6，7)，(7，8)，] >sc=nx.subgraph_Centrality(G)>打印( [F“{{node}}{{sc[node] ：0.2f}“表示已排序(Sc)中的节点]) [“%1 3.90”、“%2 3.90”、“%3 3.64”、“%4 3.71”、“%5 3.64”、“%6 3.71”、“%7 3.64”、“%8 3.90”]