给出图 g 中顶点的偏心率中心性列表.
EccentricityCentrality[{vw,…}]
用规则 vw 指定图 g.
EccentricityCentrality
给出图 g 中顶点的偏心率中心性列表.
EccentricityCentrality[{vw,…}]
用规则 vw 指定图 g.
更多信息
- EccentricityCentrality 给出与每个其它可达到的顶点具有最短最大距离的顶点的高中心性.
- 图 g 的 EccentricityCentrality 由
给出,其中
是从顶点
到所有与
相连的顶点的最大距离. - 孤立顶点的偏心率中心性为零.
- EccentricityCentrality 可用于无向图、有向图、加权图、多重图和混合图.
背景
- EccentricityCentrality 返回一个由非负机器精度数值构成的列表(“偏心率中心度”)作为图顶点的某种特定的中心性度量的近似值. 偏心率中心度是对网络中一个结点的中心性的度量,这个值基于从一个顶点
到所有其它可达结点的最短距离中的最大值(即图偏心率). 这一度量在社交网络、交通、生物学和社会科学中都有应用. - 若
是从顶点
到所有其它与之相连的顶点的最大距离,那么偏心率中心度就是
. 孤立顶点的偏心率中心度为零. 偏心率中心度介于 0 和 1 之间(包括两端). - 一个顶点的偏心率中心度是其 VertexEccentricity 的倒数. 图的全距离矩阵可以用 GraphDistanceMatrix 计算.
范例
打开所有单元 关闭所有单元基本范例 (2)
g = ExampleData[{"NetworkGraph", "Friendship"}];EccentricityCentrality[g]HighlightGraph[g, VertexList[g], VertexSize -> Thread[VertexList[g] -> Rescale[%]]]对顶点排序. 排序在前面的顶点位于其它每个可达到顶点的短距离内:
g = ExampleData[{"NetworkGraph", "Friendship"}];Part[VertexList[g], Ordering[EccentricityCentrality[g], All, Greater]]范围 (7)
EccentricityCentrality 可用于无向图:
EccentricityCentrality[[image]]EccentricityCentrality[[image]]EccentricityCentrality[[image]]EccentricityCentrality[[image]]EccentricityCentrality[[image]]EccentricityCentrality[{1 -> 3, 2 -> 1, 3 -> 6, 4 -> 6, 1 -> 5, 5 -> 4, 6 -> 1}]EccentricityCentrality 可用于大规模图:
g = RandomGraph[{10000, 10005}];EccentricityCentrality[g]//Short//Timing应用 (5)
g = [image];SortBy[{VertexList[g], EccentricityCentrality[g]}, Last]//Reverse突出显示 CycleGraph 的偏心率中心性:
HighlightCentrality[g_, cc_] := HighlightGraph[g, Table[Style[VertexList[g][[i]], ColorData["TemperatureMap"][cc[[i]] / Max[cc]]], {i, VertexCount[g]}]];g = CycleGraph[8, VertexSize -> Large];cc = EccentricityCentrality[g];HighlightCentrality[g, cc]g = GridGraph[{10, 10}, VertexSize -> Large];cc = EccentricityCentrality[g];HighlightCentrality[g, cc]g = CompleteKaryTree[3, 3, VertexSize -> Large];cc = EccentricityCentrality[g];HighlightCentrality[g, cc]g = PathGraph[Range[20], VertexSize -> Large];cc = EccentricityCentrality[g];HighlightCentrality[g, cc]在 Micronesia 东部的 Marshall 群岛的基建网络基础上,找到一个经过策略布局的岛屿:
g = [image];With[{c = EccentricityCentrality[g]}, Pick[VertexList[g], c, Max[c]]]With[{d = Total[GraphDistanceMatrix[g]]}, Pick[VertexList[g], d, Min[d]]]连接芝加哥郊区的公路网络. 求医院和消防部门的最佳位置,以最小化紧急车辆行驶的距离:
g = [image];With[{c = EccentricityCentrality[g]}, Pick[VertexList[g], c, Max[c]]]对于具有
个距离的图,最中心的顶点和所有其他顶点之间的偏心率差异的最大和是
的倒数:
n = 10;
g = StarGraph[n];
c = EccentricityCentrality[g];{Total[Max[c] - c], (n - 1) / 2.}eccentricity[g_] := With[{c = EccentricityCentrality[g], n = VertexCount[g]}, N[Total[Max[c] - c] / ((n - 1) / 2)]]eccentricity[ExampleData[{"NetworkGraph", "ZacharyKarateClub"}]]eccentricity[ExampleData[{"NetworkGraph", "DolphinSocialNetwork"}]]属性和关系 (6)
EccentricityCentrality 是与其他可达到顶点的最大距离的逆:
g = [image];EccentricityCentrality[g]d = GraphDistanceMatrix[g];1. / Map[Max, DeleteCases[d, 0 | ∞, {2}]]顶点的偏心率中心性是 VertexEccentricity 的倒数:
g = RandomGraph[{6, 9}]Table[1. / VertexEccentricity[g, i], {i, VertexList[g]}]EccentricityCentrality[g]Through[{Min, Max}[EccentricityCentrality [RandomGraph[{100, 200}]]]]g = [image];EccentricityCentrality[g]{g1, g2} = Subgraph[g, #]& /@ ConnectedComponents[g]{EccentricityCentrality[g1], EccentricityCentrality[g2]}Join@@%使用 GraphCenter 求具有最高偏心率中心性的顶点:
g = [image];GraphCenter[g]With [{c = EccentricityCentrality[g]}, Pick[VertexList[g], c, Max[c]]]使用 VertexIndex 获取特定顶点的中心性:
g = ExampleData[{"NetworkGraph", "Friendship"}];EccentricityCentrality[g][[VertexIndex[g, "Anna"]]]相关指南
-
▪
- 社交网络分析
文本
Wolfram Research (2012),EccentricityCentrality,Wolfram 语言函数,https://reference.wolfram.com/language/ref/EccentricityCentrality.html (更新于 2015 年).
CMS
Wolfram 语言. 2012. "EccentricityCentrality." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2015. https://reference.wolfram.com/language/ref/EccentricityCentrality.html.
APA
Wolfram 语言. (2012). EccentricityCentrality. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/EccentricityCentrality.html 年
BibTeX
@misc{reference.wolfram_2026_eccentricitycentrality, author="Wolfram Research", title="{EccentricityCentrality}", year="2015", howpublished="\url{https://reference.wolfram.com/language/ref/EccentricityCentrality.html}", note=[Accessed: 13-September-2026]}
BibLaTeX
@online{reference.wolfram_2026_eccentricitycentrality, organization={Wolfram Research}, title={EccentricityCentrality}, year={2015}, url={https://reference.wolfram.com/language/ref/EccentricityCentrality.html}, note=[Accessed: 13-September-2026]}