随机最近邻图:平移不变情形
概率论
2020-07-01 v1
摘要
若 是赋给 各边的一族随机变量(权重),最近邻图是由所有满足 在 的所有邻居 中最小的边 诱导的有向图。即,若将权重视为边长,则每个顶点指向其最近邻。Nanda-Newman 在权重独立同分布且连续分布时引入了最近邻图,并证明几乎必然地,该图无向版本的所有连通分支均为有限。我们研究平移不变、互异权重的情形,并证明最近邻图不包含双向无限有向路径。与独立同分布情形相反,我们表明在此平稳情形下,该图在二维可含一个或两个无限连通分支(但不会更多),在维数 时可含任意 个无限连通分支。后者的构造使用了一个通用过程,以将某类有向图表示为带互异权重的最近邻图,从而刻画所有平移不变最近邻图。我们还讨论了其与首通渗流中测地图的关系,以及对 Chaika-Krishnan 凝聚游走模型的影响。
引用
@article{arxiv.2006.16347,
title = {Random nearest neighbor graphs: the translation invariant case},
author = {Bounghun Bock and Michael Damron and Jack Hanson},
journal= {arXiv preprint arXiv:2006.16347},
year = {2020}
}
备注
33 pages, 3 figures