毕业论文外文翻译模板

毕业论文外文翻译模板

————————————————————————————————作者：————————————————————————————————日期：

1

杭州电子科技大学

毕业设计（论文）外文文献翻译

毕业设计（论文）题目

翻译题目

学院理学院

专业光信息科学与技术

姓名蔡阳玲

班级08075311

学号08074103

指导教师黄清龙

具有高对称性但非小世界的无标度网络*

摘要：不相关的无标度性网络必然是小世界的(事实上，比小世界更小)。尽管如此，无标度网络相关度分布可能并非如此。我们描述一个产生具有高对称性但非小世界的无标度性网络模型的演化机理，我们证明产生任何度指数，且满足平均最短路径非常大的网络的可能性。为了实现这一目标，节点不添加任何择优连接方式，这样代替优化网络的分类。这是在物理基础上推动了新一代网络优化。通过禽流感疫情的观察数据进行分析，结果表明这个网络展示出相似的物理特性（高匹配性，聚类性和长路径）。

1、引言

在过去的二十年里，特别是小世界和无标度性网络，已经被深入调查为复杂的网络，这期间，巴拉布曼阿尔贝广管局的模型优惠附件已成为标准的机制用来解释出无

标度性网络。把节点添加到网络中，以偏向优惠附件的节点，已经具有较高的水平。

电力出现之后自然会影响指数定律额的分布，（即频率节点其程度是K ）许多学者探

索发现，小世界和无标度性网络存在各种各样的应用。对于大多数的这些例子，优

惠附件模型对最初的无标度性结构网络观察机构提供了一个很好的解释。然而，没有

优惠附件模型和偏见链接点的高度,就缺乏一个共同特征实现小世界中的数据：这些是

相辅相成的，相互联系的,对于我们自己的工作，不良连接节点,我们可以近似观察无

标度性网络的和大型平均路径长度。由于有这两个重要的来源,将会被美国证券交易委

员会视为深入的网络。在科恩报告中提到，无标度性相关网络，在该文件标题中为零，只有如此，相关网络才不一定在分类中才为零。在现有的文献中有很少人把注意力集

中在复杂的网络模型中，通过加强他们之间的分类。有一个重点贡献显著,就是通过重

新布线两个4月底部之间的联系点,加强他们之间现有的无标度网络[1]。

与印第安纳州相比，我们的模式是一种正在成长的无标度性网络,这是尽可能产生

在相对称基础上的算法。（方法可以进一步结合起来以构成相对称）与此相反的，一

些不相同的网络最近受到关注。克雷姆和安哥拉介绍了一种新型的网络增长算法，他

突出集群并且使集群不同（这就是消极相对称系数）。他们发现，一个小变化组的节

点是“积极的”，并通过优惠偏置附件选择这些节点，导致一个高度集中和不同类

型的网络，在某些情况影响，我们仍然可以看到一个非常大的平均路径长度。以下是

类似原因的方法，戈麦斯罗G和莫雷诺介绍了“亲”参数网络增长算法，并允许优

先重视节点与其他类似的亲和力。并且亲和力会代表任何实物量，节点类似程度就是

*作者：Xiaoke Xu,Jin Zhou,Jie Zhang,，Junfeng Sun,and Jun-an Lu

出处：PHYSICAL REVIEW E 77, 066112 (2008)

我们的算法。然而，该算法描述在,并且产生不同类型的网络和平均路径长度的增长速

度较低，比如，广管局标准算法（它仍然小于小世界)。在最后的这项结果工作中，

莫雷诺和瓦斯奎兹探索传播蔓延这种网络。他们发现，在这样一个非零网络表现出开

始时容易SIS型感染。根据这一结果和最近调查表明,禽流感流行的展览品无标度性,

是小世界的特点，我们推荐一种平均路径长度的无标度模式生成网络，并表明，身体

机制与拓扑特征密切相匹配的网络，来观察来自全球禽流感（人工智能数据）。本文

安排如下。我们首先介绍秒建模机制，然后在对我们的模型分析关键特点，特别是平

均路径长度;最后，我们总结一些重要的特性，该算法，以比较常规的定义了广管局网

络和我们模型[2-3]。我们还估计全球时空网络禽流感爆发的同一拓扑特征。我们发现并

且对比，这一网络是非常密切的机制。最后，在这里建议美国证券交易委员会接受我

们的结论。

2、方案

在本文中，我们提出以下建议，对于建造网络的分布程度(虽然该算法不一定局限于幂律的形式) 。请注意，相反，对于广管局模式，我们必须指定检验分布程度。可以允许优先选择。此外，我们认为在物理系统中有充足的证据证明幂律分布，因此，并非是不合理作出这样的选择。第1步。确定尺寸的原始预期网络。以达成完全连接网络节点与m0 以用于启动模型;每次以一个新的节点添加到预期规模网络，第2步，为了产生一个无标度网络,选择一个分布函数的程度模型。，我们认为概率密度函

数( PDF格式)学位分配为P [其中C是一个相应的常数预定N的和]满足第3步。一定程度上建立一个新的节点。步骤3.1。在每一个时间t ，

我们随机采取的程度次节点的设定（，其中kmax

是获得最大程度的“自然”截止,[其中]。为了方便起见，我们选择一个随机数满足。步骤3.2 。在增加了新的节点中，先确定所选择的学位是否已经饱和。也就是说，是否确定目前样本值满足

，如果是这种情况，根据步骤3.1产生另一种新的学位，否则不可以作为学位新的节点。第4步。每一个连接新的节点的网络分类。通过应用一个原则，我们连接新的节点，与现有的节点是相同的。如果不存在，我们将它连接到节点，其程度是较高或较低是由N = 1决定。如果失败了，保值增值的N 或者1重复。该算法保证,由新节点一次一个连接到现有的网络，由此造成的网络连接，并连接多个不同的边缘接点,两个节点将不会发生。这个类型的网络，这取决于现有的结构。在当前的网络有一个以上的节点具有适当的度是严格按顺序不稳定性动是否布线的新节点。国际体操联合会。物理模板在步骤4中，现有的一套节点在选择链接新的节点时可能不是唯一的，因此，我们随机选择其中一个连接到新的节点。当网络随机选择所产生一个节点从那些符

合标准的步骤4中，我们称之为重组计划。图1的重组模型。

社会网络可以对应这个计划，社会结构具有严格的等级并在不同层次选型。例如，假设一个社会有严格的层次结构(各种各样的高)的人数，每个人的朋友服从法律权利的分配。那个重组模式意味着在这种情况下，随机选择一个新手，他的朋友们是谁，是否有类似的一些朋友在这个社区。一种新的推销员将与其他朋友的推销员同样同群居。反之，一个新的“物理学家”可能会成为与其他同样孤独的个人。无标度性网络高度[4-6]。

图1现有网络的物理评价

与此相反的重组模式，我们还确定了模型，图中显示1 ( b )；其中现有的节点选择连接到新的节点序列。该模型可以解释这种现象，当所有其他的条件都是平等时，在社会群体的高级个人同等程度优先。也就是说，新居民将尝试同等程度连接现有的社区成员，但永远优先连接那些已经很长的时间建立了的社区。在这一点上是有可能的解析

理由非小世界性质的网络构建这一计划。图1( b )表明这一不稳定算法导致长链连接的人口稀少的节点。这样做的理由是，当一个节点高度是随机制定时，它是立即便携密切与其他枢纽节点，这样做是顺序。此外(和更重要的是讨论路径长度)，低度节点本身也是网络顺序，因此，形成长链。那个长度取决于这些连锁店的相对概率连接节点发生。因此，在路径长度涉及到的频率节点低度是取自幂律分布的长链2节点的程度是显而易见的图 1 ，这些发挥主导作用的平均路径长度。平均路径长度比例，因此预计人数2节点的程度出现在这些网络。发生链程度3节点(明显的底部在图中说明)复杂的这一论点。我们现在反过来更详细的考虑在这些网络的结构特性。

图3 网络的一些结构特性

3 、网络特性

我们现在的主要措施是用数值研究网络几何，不同分类秒。富国俱乐

部的流行秒聚类秒。组和平均路径长度秒这些统计数据是对我们平均路径长度极大的兴趣，所以这些数量是我们最接近的研究。对这些不同属性总结将在表示不同分类程度所指的节点，往往是节点连接到其他节点的类似程度的偏爱一个网络的节点附加到其他国家，相似程度往往发现在混合模社会网络，该系数是最终通过的。国际体操联合会。彩色在线分类系数的变动和不组合模式。随着广管局网络模型规模的扩大和无标度模型越来越多,两种模式也有类似的价值观,是远大于r = 0的度节点。富国俱乐部连通系数的S ，最富有描述国际体操联合会的节点。图3色彩在线富俱乐部系数的变动不是组合，与BA无标度网络模型m= 6 ，m= 3 ，和N = 1000 。富国俱乐部系数的新模式远大于广管局网络模型小分的S / N和三个曲线时才逐渐收敛。节度点。富国俱乐部连通系数的S是最富有的节点描述，图3是通过选择网络规模N= 1000和m = 6 ，m= 3广管局网络模型，以保证几乎相同数量的边缘。从图3 它可以得出的结论是，富国俱乐部的变动系数和不稳定模式是相同的，并且他们都高于广管网络。这是自然的，因为我们的方法是广管局网络建模包括优惠的混合选型方案。此外，重视机制的选型导致约最富有的顶点3%趋向与其他每个，并大大减少连接到其他低度的节点，因为它们倾向于链接本身，它们之间形成两个新的回路模式。存在这些循环有助于进一步架高富国俱乐部系数的模型[8-10]。

图4 节点平均路径长度

图5 在线分类系数变动和不组合模式

4 、聚类

聚类系数的定义是所有平均值聚类系数的一个节点，是这些手段之比的总人数之间相联系的近邻的节点，并尽可能与数量之间的联系，这些邻国。聚类系数广管局网络和改组和模型描述的图6，聚类系数模型假设的不确定价值比其他两个高得多。每一次由于老的节点优先取得联系，节点所选择链接一个新的节点。具有较高的概率被结合在一起。因而相临的一个新的节点是最有可能成为连接对方。另一方面，广管局差异曲线模型之间的重组模式是由于选型混合机制。

图6 曲线模型之间的重组图形

国际体操联合会图6彩色在线聚类系数的变动与BA网络模型。而在模型中大大提高，聚类系数的重组模式是略高于广管局网络模型，该插页显示相同的数据绘制的数线性规模。为了比较我们还策划了预期的广管局模型曲线。

5、路径长度

最后，信息或在大规模运输网络上平均路径长度是衡量标准效率最重要的，此外这一特点(或的趋势，而这一特点)是用于定义网络的小世界。它是指平均人数步骤沿最短路径的所有可能对网络节点，指属图5( a )揭示了平均路径长度学士学位网络和改组和不确定模式，模拟表明，L和规模N分别可看到图6网络中以显示小世界效应，如果L 规模不超过对数与网络规模N键固定平均程度。显然，新不确定模型没有显示小世界特性。在重组模型的空间里，此外在哪里研究结果表明代表发言功能，然后我们的法律说明在这里，是指一定程度的整个网络。因此，实际上我们根据小世界得到的法律证明北路，它可以看出，如果平均程度提高，网络展品小世界特性的平均路径长度L应严格规模小于对数因此，我们与北变动模型显示小世界行为，事实上，不重组模型具有更高平均路径长度比重组模式是由于高集群在不重组模式。在不重组模型中，最早添加新的节点在当前的网络，而且符合要求标准，因此，所以往往更可能是历届新节点添加到邻近现有的网络节点。

图5a 平均路径长度网络改组不确定模型

国际体操联合会，图5a(颜色在线)平均路径长度在广管局网络的重组模式。很显然，在( b )仿真结果表明这一个定律公式。因此，不重组的网络有更高层次的聚类重组模式。最后，这意味着，增加集群的一些联系，因此，平均路径长度是较大的。这可以在图清楚地看到建筑后结果。这个功能有一个直观的模拟实验网络。例如，在社会中，一个事实，即资深人士优先介绍社会不平等和使社会生产效率相对较低，这导致道路信息传输时间较长。相反，随机选择使社会更加公正和公平然后信息传输的速度更快。通过组建集团相互连接的个人这必然产生一些相对较低的程度。因此作出重大贡献，这些环节可以提高整体路径长度的网络传输。

6、现存网络

前几节中我们介绍了我们的一代网络计划，允许一代无标度网络，这不是小的世界。与此相反，网络产生这种算法可以使平均路径长度更大。在本节中，我们的行为与其他算法比较，与其他算法生成相关无标度网络。我们还比较我们的算法产生数据有两个来源：时间和疾病爆发的记录。在美国证券交易委员会。第四，我们比较我们的算法技术中提出的[11-13]，在美国证券交易委员会的分析来自网络时间序列并在美国证券交易委员会，我们提供了一个分析[14]禽流感网，络传输路径中与其他的网络所描述的相比，我们在座的详尽全面的研究，我们希望统计的主要信息特性是这些网络的范围之外的。我们