WOLFRAM

Wolfram 语言与系统参考资料中心

在小世界网络中的聚类

聚类可以用来量化网络的抗干扰性，并且高度聚类是华兹（Watts）与史楚盖兹（Strogatz）的小世界网络捕捉到的一大特性. 在流行病学中，即使一个稳健的网络遭到微扰也可以让疾病进行同样的传播.

    
计算随机图的整体集聚系数：
Wolfram Language code: RandomGraph[WattsStrogatzGraphDistribution[40, 0.05, 5]]
Wolfram Language code: GlobalClusteringCoefficient[%]
计算一组随机图的整体集聚系数：
Wolfram Language code: {graphs, coeffs} = Transpose[SortBy[{#, GlobalClusteringCoefficient[#]}& /@ RandomGraph[WattsStrogatzGraphDistribution[30, 0.1, 3], {10000}], Last]];
创建所选图形关于系数值的热点图：
Wolfram Language code: min = Min[coeffs];max = Max[coeffs];
Wolfram Language code: nf = Nearest[coeffs -> graphs];
Wolfram Language code: values = Range[min, max, (max - min) / (4 ^ 2 - 1)];
Wolfram Language code: Grid[Partition[Map[Annotate[First[nf[#]] 1, {VertexStyle -> Directive[White, EdgeForm[White]], EdgeStyle -> White, Background -> ColorData[{"SolarColors", "Reversed"}, Rescale[#, {min, max}]], ImageSize -> {100, 100}}]&, values], 4]]