Barabasi-Albert网络中的高阶聚类系数
无序系统与神经网络
2009-11-07 v1 统计力学
摘要
为随机网络引入了高阶聚类系数。这些系数表示当忽略所有穿过节点的路径时，某个顶点的任意两个最近邻之间的最短距离等于的概率。利用，我们发现，在Barabási-Albert (BA)模型中，节点邻域内的平均最短路径长度小于整个网络的相应量，且差值仅取决于网络参数。我们的结果表明，大型BA网络中标准聚类系数值较小，是由于此类网络中顶点最近邻域的随机特性所致。
引用
@article{arxiv.cond-mat/0212237,
title = {Higher order clustering coefficients in Barabasi-Albert networks},
author = {Agata Fronczak and Janusz A. Holyst and Maciej Jedynak and Julian Sienkiewicz},
journal= {arXiv preprint arXiv:cond-mat/0212237},
year = {2009}
}
备注
10 pages, 4 figures