Assortativity and clustering of sparse random intersection graphs
我们考虑稀疏随机交图的性质,聚类系数不为零的节点数趋于无穷大。我们发现明确的渐近表达式的相关系数的程度相邻节点(称为的相关系数),预期数量的共同邻居的相邻节点,和预期程度的邻居的节点的一个给定的程度k。这些表达式是用渐近度分布来表示的,或者用定义底层随机图模型的参数来表示。
2012-09-20 math.CO math.PR math.ST
Random intersection graph process
我们引入了一个随机的交图过程,旨在建模稀疏的不断发展的联系网络,承认可调(幂律)的度分布和不确定性和聚类系数。我们显示的渐近程度分布,并提供明确的渐近公式的重复性和聚类系数。
2013-01-23 math.CO math.PR math.ST
A network with tunable clustering, degree correlation and degree distribution, and an epidemic thereon
一个随机网络模型,它允许可调的,相当一般的形式的聚类,度相关性和度分布的定义。该模型是配置模型的扩展,其中存根(半边)配对形成网络。聚类是通过形成小的完全连通的子群,和正(负)度的相关性是通过连接一小部分的存根与存根的相似(不相似)的程度。在该网络上定义了一个SIR(Susceptible -> Infective -> Adverted)流行病模型.网络和流行病的渐近性质,作为总体规模趋于无穷大,推导出:度分布,度相关性和聚类系数,以及再生数$R_*$,一个大爆发的概率和相对大小这样的爆发。理论说明了Monte Carlo模拟和数值例子。主要研究结果是,聚类倾向于减少疾病的传播,当疾病接近阈值时,程度相关性的效果明显大于当疾病远高于阈值时的效果,当$R_*$刚好高于其门限值时,疾病传播随着程度相关性$ρ$而广泛增加,当$R_*$远高于1时,随着$ρ$而减少。
2012-07-30 cs.SI math.PR physics.soc-ph
Counting triangles, tunable clustering and the small-world property in random key graphs (Extended version)
通过引入随机密钥图,研究了无线传感器网络(WSNs)中的M-G密钥预分配方案的各种性质.最近,这类随机图在推荐系统、社会网络建模、聚类和分类分析等不同的背景下受到了广泛的关注。本文研究了随机密钥图的各种性质。特别地,我们建立了随机密钥图中三角形存在的0 - 1定律,并确定了相应的临界标度。该零-一定律与Erdos-Renyi(ER)图中的相应结果存在显著差异。我们还计算了随机密钥图的聚类系数,并将其与ER图在多节点状态下的聚类系数进行了比较,当它们的期望平均度渐近等价时。对于无线传感器网络和社交网络应用中实际相关的参数范围,随机密钥图比相应的ER图更加聚类。我们还探讨了适合的随机密钥图作为小世界模型的意义上的瓦茨和Strogatz。
2017-01-13 cs.DM cs.SI math.PR
Large random intersection graphs inside the critical window and triangle counts
本研究确定了临界窗口内随机相交图的标度极限,揭示其在两种聚类机制下与连续Erdos--Renyi图一致,并借助二项二分图关联及图探索算法,证明了大型连通分量中三角形数的极限定理。
2025-03-20 math.PR
Age-dependent random connection models with arc reciprocity: clustering and connectivity
Weierstrass Institute for Applied Analysis and Stochastics(魏尔斯特拉斯应用分析与随机性研究所)
本文提出一种有向空间网络模型,通过引入依赖于顶点年龄差的互惠连接,研究了聚类和连通性特性。
2026-03-17 math.PR
The probability of drawing intersections: extending the hypergeometric distribution
在基因组规模和跨多个变量的生物数据的广泛可用性导致了关于在个体实验中识别的离散对象(例如基因)的数量的富集或耗尽的统计问题。在这里,我考虑的问题,推断富集或耗尽时,独立绘制,没有更换,从两个或两个以上的单独的骨灰盒中存在相同的$n$不同类别的对象。感兴趣的统计是对象类别的交集的大小。我推导出一个概率质量函数描述的分布时,从N瓮采样的交叉口的大小,并表明,这种分布遵循经典的超几何分布时,N = 2。我将该理论应用于三种不同脊椎动物物种中属于一组性状的基因的交叉,说明使用单尾富集检验的P值可以准确聚类相关性状,但这在仅依赖交叉点大小时是不可能的。此外,交叉分布提供了一种方法来测试图像中的对象在使用离散化数据时的共同定位,允许在两个以上的通道中进行共同定位测试。最后,我展示了如何将问题扩展到属于每个类别的可变数量的对象,并讨论了如何在这个方向上取得进一步的进展。分布函数在R包“hint”中实现并免费提供。
2014-04-18 math.PR
Parameter estimators of random intersection graphs with thinned communities
研究了由大量随机大小的重叠社区组成的统计网络模型,其中共享社区的任意一对节点通过社区以概率$q$连接。在$q=1$的特殊情况下,该模型简化为一个随机交图,这是已知的,以产生高层次的传递性,也在稀疏的上下文中。参数$q$增加了一个自由度,并导致一个简约的和易于分析的网络模型,具有可调的密度,传递性和度波动。我们证明了该模型的参数可以一致估计在大和稀疏的限制制度使用矩估计的基础上部分观察到的密度的链接,2星,和三角形。
2018-06-24 cs.SI math.PR math.ST
Clustering and percolation on superpositions of Bernoulli random graphs
一个简单但功能强大的网络模型与$n$节点和$m$部分重叠的层生成作为一个覆盖的独立随机图$G_1,\dots,G_m$可变的大小和密度。该模型由层尺寸和密度的联合分布$P_n$参数化。当$m$线性增长和$P_n \to P$为$n \to \infty$时,该模型生成具有丰富统计结构的稀疏随机图,允许非零聚类系数以及有限度分布和具有可调幂律指数的聚类谱。值得注意的是,该模型承认参数制度,其中债券渗流表现出两个相变:第一个相关的出现一个巨大的连接组件,第二个巨大的单层组件的外观。
2020-11-02 math.CO math.PR physics.soc-ph
Clustering function: a measure of social influence
在真实网络中,一个常用的邻接关系的统计依赖特性,即聚类系数,评估给定顶点的两个邻居相邻的机会。通过考虑两个随机选择的顶点相邻的条件概率,得到一个扩展,因为它们有r个共同的邻居。我们将这样的概率表示为cl(r),并将r-> cl(r)称为聚类函数。我们比较了几个网络的聚类功能具有不可忽略的聚类系数。它们显示出相似的模式和令人惊讶的规律性。我们建立了相关随机交图模型的聚类函数的一阶渐近(当顶点数趋于无穷大时),该模型允许非零聚类系数和具有有限二阶矩的渐近度分布.
2013-04-26 cs.SI math.CO math.PR
Correlation between clustering and degree in affiliation networks
我们感兴趣的概率,两个随机选择的邻居的一个随机顶点的程度(至少)$k$相邻。我们评估这个概率的幂律随机相交图,其中每个顶点规定的属性的集合和两个顶点是相邻的,只要他们共享一个共同的属性。我们证明了概率服从尺度$k^{-δ}$为$k\to+\infty$。我们的结果在数学上是严格的。参数$0\le δ\le 1$由定义顶点和属性之间的链接的幂律随机权重的尾部索引确定。
2018-01-04 cs.SI math.CO math.PR
Random intersection graphs with communities
Eindhoven University of Technology(埃因霍温理工大学)
本文提出了一种具有社区结构的随机交集图模型,允许组内存在任意结构,并分析了社区重叠、度分布和局部聚类系数。
2019-10-22 math.CO math.PR
Moment-based parameter estimation in binomial random intersection graph models
二项随机交叉图可以用作大型稀疏网络的简约统计模型,其中一个参数用于平均度,另一个参数用于传递性,即节点的邻居被连接的趋势。本文讨论了这些参数的估计,从一个单一的观察实例的图,使用矩估计的基础上观察到的程度和频率的2星和三角形。假设观测数据集是由从$n$节点的完整集合中采样的$n_0$节点的集合诱导的子图。我们证明了所提出的估计的一致性,显示相对估计误差是小的概率为$n_0 \gg n^{2/3} \gg 1$。作为一个副产品,我们的分析证实,经验传递系数的图是以高概率接近的理论聚类系数的模型。
2018-06-24 cs.SI math.PR math.ST
How Clustering Affects Epidemics in Random Networks
受社交网络分析的启发,我们研究了一个具有给定度分布和可调聚类系数的随机网络模型。在这些图上我们考虑两种类型的增长过程:扩散模型和对称阈值模型。扩散过程是受流行病模型的启发。它的特点是感染概率,每个邻居独立传播流行病。在对称阈值过程中,交互仍然是局部的,但传播规则由阈值(可能在不同节点之间变化)控制。对称阈值过程的一个有趣的例子是传染过程,它的灵感来自于网络上的一个简单的协调博弈。这两种类型的过程已被用来模拟传播的新思想,技术,病毒或蠕虫和结果已经获得了随机图没有聚类。在本文中,我们能够分析集群的增长过程的影响。虽然聚类抑制了扩散过程,但其对传染过程的影响更为微妙,并取决于图的连通性:在低连通性区域,聚类也抑制了传染,而在高连通性区域,聚类有利于全球级联的出现,但会减小其大小。对于扩散和对称阈值模型,我们的特征条件下,全球级联是可能的,并计算其大小明确,作为度分布和聚类系数的函数。我们的研究结果适用于定期或幂律图与指数截止和新的光聚类的影响。
2012-02-22 cs.SI math.PR physics.soc-ph
On $k$-connectivity and minimum vertex degree in random $s$-intersection graphs
随机$s$ -交图最近在广泛的应用领域引起了人们的兴趣。一般来说,随机$s$ -交图的构造是首先以某种随机方式为每个顶点分配一组项,然后在至少共享$s$项的所有顶点对之间放置一条无向边(当$s=1$时,该图称为随机交图).特别感兴趣的特殊情况是均匀随机$s$ -交图,其中每个顶点独立地从公共项池中均匀随机地选择相同数量的项。另一个重要的情况是二项随机$s$ -交图,其中池中的每个项都以相同的概率独立地分配给每个顶点。这两个模型已经发现了许多应用,迄今为止,包括密码分析和推荐系统,安全传感器网络,在线社交网络,信任网络和小世界网络(均匀随机$s$ -交图)的建模,以及聚类分析,分类和集成电路的设计(二项式随机$s$ -交图)。本文对二项/均匀随机$s$ -交图,给出了与$k$ -连通度和最小顶点度有关的结果.具体地说,我们得到了以下三个性质的渐近精确概率和0 - 1定律:(i)$k$ -顶点连通性,(ii)$k$ -边连通性和(iii)最小顶点度至少为$k$的性质.
2014-11-18 cs.DM cs.SI math.CO
Limits of local algorithms over sparse random graphs
图上的局部算法是在图的节点上并行运行以计算图的某些全局结构特征的算法。这样的算法仅使用节点处可用的局部信息来确定全局结构的局部方面,同时还潜在地使用一些随机性。最近的研究表明,这样的算法显示出显着的承诺,在计算结构,如大型独立集的图本地。事实上,承诺导致了一个猜想由哈塔米,\Lovasz和Szegedy \cite{HatamiLovaszSzegedy},当地的算法可能能够计算最大独立集(稀疏)随机$d$-正则图。在本文中,我们反驳了这一猜想,并证明了每一个独立的本地算法产生的集是乘法因子$1/2+1/(2\sqrt{2})$小于最大的,渐近为$d\rightarrow\infty$。我们的研究结果是基于一个重要的聚类现象的自旋玻璃的文献中首次预测,最近证明严格的各种约束满足问题的随机图。这样的性质表明,解空间的几何形状可能相当复杂。本文证明并应用的特定聚类性质表明,通常随机图中的每两个大的独立集要么有一个重要的交集,要么有一个几乎空的交集。因此,大的独立集合根据彼此的接近度进行聚类。虽然聚类属性被假定为本地算法的成功的障碍,例如,信念传播算法,我们的结果是第一个聚类属性被用来正式证明本地算法的限制。
2013-04-05 cs.CC cs.DC math.CO
On local weak limit and subgraph counts for sparse random graphs
本文利用Sidorenko不等式证明了稀疏随机图的局部弱收敛序列的局部和全局子图数与度矩之间的一般关系。这产生了一个最佳的标准,检查时的渐近行为的图统计,如聚类系数和不确定性是由当地的弱限制。作为一个应用,我们获得了新的事实,稀疏随机交图的几个常见模型的局部弱极限,因为我们看到在这里,是一个简单的随机团树对应于一定的两个类型的Galton-Watson分支过程。
2023-02-04 math.CO math.PR
Assortativity and bidegree distributions on Bernoulli random graph superpositions
概率生成网络模型的$n$节点和$m$重叠层得到的叠加$m$相互独立的伯努利随机图的大小和强度。当$n$和$m$是大的和相同的数量级,该模型承认一个稀疏的限制制度与可调的幂律度分布和非零聚类系数。在这篇文章中,我们证明了一个渐近公式的联合度分布的相邻节点。这产生了一个简单的分析公式模型的相关性,并开辟了方法来分析适合于随机图的重尾度分布的秩相关系数。我们还研究了幂律对渐近联合度分布的影响。
2021-05-31 cs.SI math.PR math.ST