为简洁辩护：用于复杂网络比较的欧氏距离

为增进对连接系统的理解，过去十年中发展了源自统计学、信号处理、信息论与统计物理的不同工具。此处我们关注图比较问题。尽管存在不同估计来量化两个网络差异几何，但尚未提出恰当的度量。在此框架下，我们将不同网络距离（一种拓扑描述子与一种基于核的方法）与简单欧氏度量进行比较。我们将度量的性能定义为区分两个网络群组的高效性以及计算时间。我们在合成与真实世界网络（阿尔茨海默患者与健康受试者的功能连接组）上评估这些框架，并表明欧氏距离相较其他方案能高效捕捉网络差异。我们得出结论：复杂方法的实际运用，唯有在其表现优于如欧氏度量等已被充分理解的传统统计量时方可被证明合理。