基于度分布的特征提取用于复杂网络的比较与分析

度分布是复杂网络的重要特征。在许多数据分析应用中，网络应表示为固定长度的特征向量，因此从度分布中提取特征是必要步骤。此外，许多应用需要基于度分布的相似性函数来比较复杂网络。此类相似性度量具有多种应用，包括网络实例的分类与聚类、网络采样方法的评估、异常检测以及流行病动力学研究。现有方法无法有效捕捉度分布的相似性，特别是当相应网络具有不同规模时。基于我们对网络中度分布随时间结构的观察，我们提出了一种针对复杂网络度分布的特征提取方法和相似性函数。我们建议基于节点度的均值和标准差计算特征值，以减小网络规模对提取特征的影响。该方法在不同的合成和真实网络数据集上进行了评估，在距离函数的准确性和提取特征的有效性方面均优于最先进的方法。