研究文章|开放获取
玛丽Luz Mouronte-Lopez, ”公共交通网络建模:一项研究的效率”,复杂性我>, 卷。2021年, 文章的ID3280777, 19 页面, 2021年。 https://doi.org/10.1155/2021/3280777
公共交通网络建模:一项研究的效率
文摘
公共交通网络(PTN)提供流动性和社区资源,就业、医疗、基础设施和其他资源。这个研究的形成的过程在不同的实际PTNs节点之间的链接。我们发现,这一过程可以适当解释为一个广义线性模型(GLM)使用本地的,全球性的,quasilocal相似性指数作为解释变量。在建模,响应变量被二项概率密度函数,和分对数函数被用来作为一个链接功能。在crossvalidation过程中,利用将采样的方法,平均精度和接受者操作特征曲线下面积(AUC)度量值高于0.99。kappa参数震级大于0.93的大部分PTNs。在最后的验证阶段,回忆和特异性度量值1。准确度和精密度参数大于0.99和0.87,分别对大多数PTNs。只有一个所需的PTNs利用平滑引导的方法以达到更好的结果。最大的相似性措施影响模型确定。 We also assessed the impact of link removal on the global efficiency of PTNs, considering several similarity indexes. Additionally, we find that most of the networks show low local and global efficiencies (≤0.20), as well as travel times with a relevant variability, exhibiting standard deviations larger than 790 seconds. Significant similarities exist between the cumulative probability distributions of the local efficiency in all PTNs. With respect to the centrality measures, the eigenvector centrality presented a strong correlation with the hub/authority centralities (>0.80), while the pagerank showed a moderate, high, or very high correlation with the degree in all PTNs, >0.50.
1。介绍
链接预测方法一直是研究的主题(<一个href="#B1">1一个>- - - - - -<一个href="#B4">4一个>),这表明几种机制来检测隐藏连接。这些机制考虑成对的节点之间的路径信息以估计他们共同的邻居。他们还考虑互信息的角度,以评估对节点之间的相似性指数。的条件概率计算一个链接的存在,考虑到常见的两个节点的邻居,如[<一个href="#B5">5一个>]。最后,链接的重量被认为是发展中描述的机制(<一个href="#B6">6一个>),这是基于共同邻居,资源分配(RA) (<一个href="#B7">7一个>达,亚当(AA) (<一个href="#B8">8一个>]索引。以上结合加权互信息(WMI) [<一个href="#B9">9一个>]节点对之间的分数估计。文献[<一个href="#B10">10一个>)提出了一个新的本地信息化链接预测方法,将连接强度指数(TCS),关于目标node-pair之间的有效路径和他们共同的邻居。提出了一个适应性强的参数来估计TCS的影响,网络的拓扑结构对节点的相似性。文献[<一个href="#B11">11一个>)建立了一种新型的三角形结构,由一个种子节点,一个共同的邻居,和另一个节点。在此基础上,提出了一种新的相似性指数交易指数的作者提出了链接预测。作者整合新的三角形结构和RA的想法<一个href="#B7">7一个>)指数(<一个href="#B7">7一个>]。文献[<一个href="#B12">12一个>)提出了一种新的基于AA评分相似性度量,与社区相关的信息从网络的拓扑结构生成和向心性程度。链路预测算法使用两个开放的实现批量同步并行编程模型(<一个href="#B13">13一个>]。他们是Apache Giraph和Apache Graphx。文献[<一个href="#B14">14一个>]表明,相似之处对结构特点(特征向量)优化链接预测任务在多路网络。这样做是用一层重建法(LRM),认为无关的节点对目标层相似,前提是他们不仅类似从目标层的角度也从其他层的角度。真正的多路网络测试显示LRM利用现有信息在不同层冗余。
链接预测方法的应用在现实语境也被分析。大量的研究在分析社会网络。文献[<一个href="#B15">15一个>)进行全面审查和讨论一些链接预测等社交网络的应用推荐系统,社区检测、异常检测和影响分析。因为社交网络是高度动态的交通节点和链接,一些研究认为时间方面。文献[<一个href="#B16">16一个>)是两个节点之间的联系的可能性从现有的连接拓扑和两个节点的受欢迎程度。几个数据集被认为是为了测试和计算算法的性能。文献[<一个href="#B17">17一个>)建立一个线性模型来整合社区相似措施和节点的具体信息和使用一个进化算法来定位系数,优化预测的链接。作者将不同的权重分配给每个索引使用协方差矩阵适应进化策略(cma) [<一个href="#B18">18一个>,<一个href="#B19">19一个>])。此外,蛋白质交互(PPI)网络(PPI)使用链接预测方法研究。文献[<一个href="#B20">20.一个>)利用支持向量机学习方法(PPI)预测蛋白质间交互作用。特性,常用于社交网络,像一些相似性指数,已经逐步付诸实践进行预测在PPI (<一个href="#B21">21一个>,<一个href="#B22">22一个>]。
本文研究的联系形成过程在几个PTNs使用各种相似性措施,已被应用于一个链接预测的理论框架。最具影响力的索引模式之后,确定双节点之间形成联系。
PTNs已经检查了从不同的观点。因此,实现了模型分析旅游行为。文献[<一个href="#B23">23一个>)预测,基于调查,一些与客流特征。文献[<一个href="#B24">24一个>)实现了一个贝叶斯网络来检测旅行快乐和几个参数之间的关系影响旅游行为。文献[<一个href="#B24">24一个>)检查预行程信息寻求行为的乘客使用收集的数据在一个广泛的公共交通车载调查。为此,作者实现多元二项逻辑回归模型。该模型考虑因素与社会人口、方面的旅行者,这次旅行的特点,和设备用于信息咨询。
我们研究的主要新奇的是,它表明,链接形成模式PTNs可适当解释通过广义线性模型(GLM),当地,quasilocal和全球节点之间的相似性措施作为解释变量。响应变量,建立了双节点之间是否存在联系,由二项概率密度函数描述。函数使用分对数函数的链接。
研究存在,分析拓扑参数PTNs(度分布,路径长度分布和中间状态),以及增长模式。然而没有分析我们知道,这种PTNs示范。研究存在,已经发展为PTNs增长模式,基于其他的考虑。文献[<一个href="#B25">25一个>)复制PTNs的一些统计特征,描述他们的进化中添加路线<我>P-space我>。作者用自已避免走(看到)作为路由模型。在上述<我>P-Space我>(<一个href="#B26">26一个>),一个节点代表一个停下来,和一个链接连接一对停止,如果至少有一个路线存在支持之间的直接服务。文献[<一个href="#B27">27一个>)开发了一个模型成立的高速增长。具体地说,一个二进制logit模型来估计增长的新路线的概率划分高速公路和二级公路使用高质量的地理信息系统(GIS)数据的土地利用、人口分布、和高速公路网络的双城市区从1958年到1990年获得在<一个href="#B28">28一个>]。增长模型,迭代地投资建设新的链接或增加现有的能力是实现。研究的目的是建立需求分布的影响和运营成本对PTN的进化。相关的模型考虑参数网格几何、需求特性、工况参数(操作速度/模式,每公里的成本,和能力)。相反,本文中描述的模型解释了链接的外观PTNs基于完全拓扑参数。
PTNs也研究复杂系统(<一个href="#B29">29日一个>,<一个href="#B30">30.一个>)描述了一个地理空间布局分发停止和使用最大允许步行距离为链接路线。PTNs优化,考虑方面效率和鲁棒性。文献[<一个href="#B31">31日一个>]研究常见问题已经发现当一个复杂的系统方案用于交通系统的拓扑结构的分析(如scale-freeness的评估机制,指标为分析网络的结构、使用方法和检查漏洞的网络与不可接受的计算时间)。PTNs的脆弱性也在深度分析(<一个href="#B26">26一个>,<一个href="#B32">32一个>]。
本文研究的影响的链接,与某些相似特征,对全球PTNs效率。相似性特征之间的关系和节点的局部效率也检查。其他研究已经分析了影响节点消去法已经在全球PTNs效率(<一个href="#B33">33一个>),和其他PTNs已经检测的鲁棒性的观点,如巨人组件的进化当几个节点删除(<一个href="#B26">26一个>,<一个href="#B33">33一个>]。故障传播(<一个href="#B20">20.一个>,<一个href="#B26">26一个>从节点与某些拓扑特征(介数、最高学位,特征向量中心,pagerank)也被分析。然而,对全球的影响的详细研究效率PTNs当某些链接删除根据相似性指数分析研究尚未发现。
本文还考察了一些中心措施和之间的相关性与其他交通流特征。一些研究存在(<一个href="#B34">34一个>- - - - - -<一个href="#B37">37一个>)之间的相关性,分析在不同类型的网络中心的措施。然而,我们专注于研究中心在PTNs和相关车辆的流动。这些特征,我们知道,没有专门在这里给出的PTNs先前研究。此外,这里的网络分析是非常不同的大小和国籍,这表明他们也可以操作不同,把一般性的分析。中心措施之间的关系可以在PTN解释发现的一些模式,当目标受到攻击或故障传播他们(<一个href="#B26">26一个>]。
这同样适用于旅行时间的研究。它已经表明,在一般情况下,可用的规模、复杂性和可变性路线PTNs产生之旅倍高度不同的路线。我们还研究了局部效率,证明PTNs之间有共性对这个特性。
RGTR PTNs研究AVL,节能灯,和泰斯在卢森堡,1372个节点和340684个链接;岛交通在美国,有358个节点和5946个链接;Lanta在美国,包括2150个节点和91年583的链接;Linja-Karjala Oy Kuopio,芬兰,551个节点和63339个链接;Metlink在新西兰,3007个节点和355621个链接;布拉格的公共交通公司(PPTC)、区域综合运输的组织者布拉格(ROPIT)在布拉格,它由5152停止和1602778年的链接;明星在法国,由1415停止和9477213链接;桑德贝交通在安大略省,加拿大,它包含825个节点和78247个链接;TransAntofagasta在智利,650节点和58 724362链接;最后,圣人在加州,31日停止和66个链接。 It can be observed that the networks are of small, medium, and large sizes.
AVL的脆弱性,节能灯,RGTR泰斯;Linja-Karjala Oy明星;桑德贝运输;和TransAntofagasta网络分析(<一个href="#B26">26一个>]。
本研究的目标如下:(1)分析是否漠视,作为输入变量节点之间相似的某些措施,能正确解释的形成链接。建立的措施在这个过程中有更大的意义。(2)检测的影响链接可以在全球网络的效率,根据他们的相似性特征。(3)在网络找到共同的特征,允许描述他们的效率和旅行时间)。(4)确定之间的关系可能存在的一些中心措施(特征向量,pagerank,介数、中心和权威),以及与其他交通流特征。
2。材料和方法
2.1。使用资源的概述
相关信息停止和路线的基础上,研究了网络,这是在网站,是利用。几个项目在R (<一个href="#B38">38一个>)和Python (<一个href="#B39">39一个>)具体实施进行研究,分别使用R.3.6.0和3.8.3版本。网络和igraph包使用。此外,proxfun脱字符号,北、统计、vip,玫瑰包在R被利用。
项目专门开发执行这项研究允许:处理相关的信息PTNs能够使用它(路线、停止、终止时间,旅行,和日历)(在Python中,ProcessPTNInf.py)。建设和简化描述PTN的图表。获取节点之间的相似性措施(R, ConstGraphCalcSim.R)。评估中心(CalcCentralities R和python。py和CalcCentralities.R)。建立一个二进制分类模型,评估他们的结果(R, ModelingPTN.R)。获得频率和累积概率分布有关效率和旅行时间(R, CalcDistr.R)。得到图形显示结果(R, DrawGraphs.R)。
这些项目是典型的开发生命周期阶段的规范,详细设计,编码和测试。
2.2。使用方法的概述
2.2.1。广义线性模型
这是广义线性模型(GLM)我们使用PTNs链接形成的模拟。
考虑到反应和独立变量的集合 为 。GLM由随机和系统组件,以及一个链接功能。
关于随机组件,它假定 ,是独立的随机变量的概率密度函数描述指数家族: 在哪里 已知函数, 参数,分别称为自然和色散参数。
系统组件相关向量 到特性。 在哪里 被称为回归参数。
链接功能 与线性预测的意思的 。如果 ,也就是说,如果= ,∀成立。正则函数被调用的链接链接功能。
指数家族包含伽马等常用的分布,正常,逆高斯,伯努利、二项式分布、泊松分布、几何、负二项和指数。
特别是,一个概率密度函数 作为一个二项分布特征,试验的数量,可以被定义为
因此,
一个指数的评价参数的家庭,GLM最大似然可以应用
因此,对数似为样本 是
我们使用链接功能 ,一个分对数函数。它返回的值在0和1之间的任何输入,
为了最大化所有的选择系数 ,需要考虑到每个自然参数可能是表示使用的意思吗指数家族的分布。考虑到它,回忆起一个链接的函数,如 加入的意思是的参数 。可以计算就像在然后使用这些估计状态 ; 。
因此,可以建立 条款不取决于在哪里 ,已被移除。
如果规范链接功能(<一个href="#EEq8">8一个>)认为 到最大化是
为了最大化形成 ,可以进行迭代再加权最小二乘回归(irl) [<一个href="#B40">40一个>,<一个href="#B41">41一个>]。最后,系数可以管理一个加权最小二乘回归的结果,最后一个irl继承。
特别是在这个研究,结果表明,各PTNs链接形成的模式可以通过解释的漠视。在这种情况下,响应需要一个定值,是否存在两个站之间的联系。独立的变量, ,对应于多个索引描述停止之间的相似性。的概率密度函数<我>f我> 特点是二项分布。相似性指标利用作为预测描述标签链接建设过程中PTNs和补充材料的部分。
为了检查预测使用的重要性<我>t我>以及,应检查∀<我>j我>是正态分布。这是通过应用Anderson-Darling测试检查<一个href="#B30">30.一个>显著性水平) 。考虑的假设如下:(我)零假设 :”是正态分布”(2)备择假设 :”不是正态分布”
如果< , 被拒绝,被接受。其他的。
R包北是利用计算Anderson-Darling测试。
一旦被证实∀<我>j我>通常是分布式的,<我>t我>测试(<一个href="#B42">42一个>)进行了一定程度的意义 。这让我们知道每个解释变量的贡献, 到模型中。可能的假设如下:(我)零假设 :“解释变量有一个斜坡,等于零,也就是说,不是有用的预测 , = 0 "(2)备择假设 :“解释变量有一个斜坡,不同于零,也就是说,有助于预测 ,
测试可以获得的结果:(我)如果< , 被拒绝,被(2)其他的被接受,被拒绝
接下来,确定预测使用的重要性<我>t我>统计估计量,定义为估计参数的比值标准误差的估计,
对于一个给定的 ,估计量的值越高,价值就越高 。
如果零假设被接受,高估计量产生的证据,类似于时非常远离假设值。
为了实现全球语言监测模型和评估预测的重要性,插入符号和贵宾包<我>R我>使用。
2.2.2。的拓扑表示PTNs
可以代表PTN拓扑空间命名<我>l我>讨论网络的映射图<我>G我>= (<我>N我>;<我>l我>),<我>N我>组节点象征着停下来吗<我>l我>是一组建立了它们之间的链接。在<我>L -我>空间,一个节点代表一个停下来,和一个链接是指连续两站之间的联盟。这告诉我们,两个站之间有联系,如果一个停止的继任者是其他路线。
2.2.3。在PTNs链接建设的过程
漠视在每个网络,分析是否可以充分描述形成过程的联系。就像在部分解释<一个href="#sec2.2.1">2.2.1一个>脱字符号包<我>R我>为了执行使用的培训和验证模型的阶段。这个过程如下。
的<我>L -我>空间了。所有的循环和多个链接的图都删除,获得一个图表 ,得到了最大连接组件。然后,最大的集群,巨大的组件(CG),进行以下操作:
对连接和无关的节点的数量是估计的,和几个相似措施计算为每个其中之一。本地、quasilocal和全球方法应用。
使用的局部相似性指数是:Adamic-Adar (dsimaa) [<一个href="#B43">43一个>),常见的邻国(dsimcn)余弦(dsimcos) [<一个href="#B44">44一个>],余弦相似性在L + (dsimcos_l) (<一个href="#B45">45一个>),中心推广(dsimhpi) [<一个href="#B46">46一个>),jaccard (dsimjaccard) [<一个href="#B47">47一个>),中心抑郁(dsimhdi) [<一个href="#B3">3一个>,<一个href="#B7">7一个>),Leicht-Holme-Newman (dsimlhn_local) [<一个href="#B48">48一个>),优惠附件(dsimpa) [<一个href="#B49">49一个>],Sørensen (dsimsor) [<一个href="#B50">50一个>]。全球相似性措施是:使用平均通勤时间(dsimact) [<一个href="#B37">37一个>),归一化平均通勤时间(dsimact_n) [<一个href="#B51">51一个>),Katz (dsimkatz) [<一个href="#B52">52一个>直接(dsiml) [], L +<一个href="#B45">45一个>森林(dsimmf)[]矩阵<一个href="#B53">53一个>),和随机漫步重启(dsimrwr) [<一个href="#B54">54一个>]。最后,quasilocal措施的相似性利用图的距离(dsimdis)和本地路径(dsimlp) [<一个href="#B6">6一个>,<一个href="#B55">55一个>]。详细描述这些索引辅料部分。
模型描述的值不同的相似性对节点作为输入变量(特征)和表明它们之间是否有联系作为输出变量。为了建立模型,使用监督学习。在这种技术中,输入变量之间的关系(特性)和即将离任的(目标)是可以学会的。从一些标签的例子,(在每个正确的输入和输出是已知的),该算法,能够预测的值输出的新病例不利用学习(培训过程)。对于每个PTN,一组数据具有不同的特性,和结果或目标(标签)是每一次(两个节点)。目标是预测新病例的标签(成对的节点)的最低可能的错误。自的结果变量是一个定值,是否一个链接存在,预测对应于二进制分类问题。
Crossvalidation作为一个过程来估计模型。而不是把数据集分成训练和测试子集,在crossvalidation机制中,平等的分区数据集。模型训练时间:每次一个分区作为测试集,和模型训练与其他数据(剩下的折叠)。每个褶皱作为测试集使用一次。最后,存在一些预测对整个数据集。这个过程的结果<我>k我>相关的参数估计模型的有效性。平均估计参数(EP),
EP可以准确(<一个href="#EEq14">14一个>),曲线下面积(AUC) [<一个href="#B56">56一个>],卡帕(<一个href="#B57">57一个>]。
这些参数描述如下:TP:真理阳性,TN:真理底片,外交政策:假阳性,与FN:假阴性。 AUC: AUC代表一个分类等级的概率随机选择积极的实例高于随机选择消极的实例。EP可以定义,概括地说,如下,给定一个二进制分类任务积极和-实例,分别。二元分类器的输出可以被视为一种严格有序列表对这些情况下,可以适当地代表 ,这是一组的指标函数 。因此,是一个固定的分类器,在哪里 其输出是积极的实例和吗 其输出是负面的实例。相关的AUC描述(<一个href="#B58">58一个>] 这是Wilcoxon-Mann-Whitney统计量的值(<一个href="#B59">59一个>]。卡帕:这EP的定义是 在哪里 和 最后,一个独立评估的准确性,记得,模型的精度和特异性可以获得使用验证集,最后三个参数 此外,混淆矩阵的估计所提供的解决方案是为每个PTN得到最终验证。表<一个href="//www.newsama.com/journals/complexity/2021/3280777/tab1/" target="_blank">1一个>描述了混淆矩阵一般概念的二元分类问题。
最后验证了样本总数的20%。
|
|||||||||||||||||||||
相似性度量的选择作为输入变量所需的模型检查现有的相关性。估计来确定这种相关性是否应该使用枪兵或培生的方法,我们检查是否被正态分布的变量。Anderson-Darling测试(<一个href="#B60">60一个>)是应用,显著性水平等于0.05。使用了以下假设:(我)H我>0:“样本来自正态分布”(2)H我>一个我>:“样本”并非来自正态分布
如果< 0.05,<我>H我>0被拒绝;否则,<我>H我>0被接受。
的<我>R我>包北是利用计算Anderson-Darling测试。
2.2.4。学习的效率
在一个图,<我>G我>两个节点之间的距离(<我>我我>和<我>j我>),<我>d我>(<我>我,我我>),是链接的数量,形成它们之间的最短路径。如果没有联系<我>我我>和<我>j我>,然后<我>d我>(<我>我,我我>)=∞。之间的效率<我>我我>和<我>j我>(<一个href="#B60">60一个>可以被定义为
自估计是基于节点对之间的最短路径长度,增加 将导致减少在当地效率之间<我>我我>和<我>j我>。
此外,全球的效率<我>G我>可以被描述为
该参数的平均效率计算在所有成对的节点<我>G我>。对于一个给定的节点数量<我>N我>GlobEff (<我>G我>)增加的链接。根据前面的定义0≤GlobEff (<我>G我>)≤1,价值1达到一个完全图<一个href="#B61">61年一个>]。
GlobEff (<我>G我>)据估计在几个PTNs作为它的一个特性<一个href="#B62">62年一个>,<一个href="#B63">63年一个>]。本研究分析了影响消除对节点之间的联系,与某些相似特征,对GlobEff GC 。结果可以帮助实现更好的网络规划,因为,这取决于链接被删除或建成,可以获得GlobEff或高或低。共同特征对于效率PTNs也确定了。
之间的关系和网络密度也进行了分析。最后一个无向图的特征如PTNs可以定义为
2.2.5。拓扑测量数据之间的相关性
某些调查一直专注于研究中心执行措施(<一个href="#B35">35一个>PTN]。在[<一个href="#B36">36一个>),作者研究中心在58个现有的社交网络。进一步的研究检查中心指标之间的相关性:使用皮尔逊枪兵和肯德尔方法(<一个href="#B37">37一个>]。作者使用近似为基础程度三个指标:亲密、中间性和特征向量。他们检查中心指标之间的相关性在几个真实网络,归类为社会、技术、和生物网络。作者发现中间性占用系数最高,亲密是中间层次,而特征向量网络之间的大幅波动。他们还提出,等级相关执行比皮尔逊无标度网络。在[<一个href="#B40">40一个>真实),几种不同的网络图,代表几个环境(网络社交俱乐部,鸟类的社交网络,邻接词网络,机场网络,网络游戏,书和相关网络)的节点数量从34 - 332,。作者分类的主要中心指标分为两类:mba(程度和特征向量中心)和基于路径最短(介数、亲密度距离和偏心中心)。他们分析上述中心指标之间的相关性,表明两个mba中心指标(程度和特征向量中心)是高度相关的所有研究网络。主要是中等水平的相关性有基于路径最短的两个中心指标(介数、亲密度距离,和偏心率)。作者解释说,一个贫穷的相关性之间存在一个mba中心度量和基于路径最短中心指标定期随机网络。作为节点的度分布的变化增加,中心性度量两个类之间的相关系数增加。文献[<一个href="#B34">34一个>)使用回归模型显示客流分布之间的相关关系和传统的网络属性(在/学位、中间性和亲密)在海牙、阿姆斯特丹城市铁路系统。
由于分类、社会、技术和生物网络可以包含不同类型的网络,和我们的调查主要集中在研究PTNs的中心。这些相关性研究 。具体来说,以下计算中心:(我)一个节点的程度 , 对于一个无向图,<我>G我>比如PTN, (<一个href="#B26">26一个>,<一个href="#B64">64年一个>] 在哪里 是元素邻接矩阵,<我>一个我>,如= 1,如果节点与节点和0,否则。(2)两个节点之间的最小距离 在<我>G我>,<我>l我>是它们之间的最短路径的长度。(3)一个节点的介数中心在<我>G我>, 是(<一个href="#B26">26一个>,<一个href="#B65">65年一个>] 在哪里从节点的最短路径总数吗到节点 ,和那些经过的路径的数量吗 。(iv)的特征向量中心节点在<我>G我>,(<一个href="#B26">26一个>,<一个href="#B65">65年一个>,<一个href="#B66">66年一个>]: , 邻接矩阵的特征值吗<我>一个我>=的<我>G。我>然后,矩阵的最大特征值是用一个特征向量= T我>这样 。的特征向量中心节点表示为可以被定义为 (v)Pagerank,公关,一个节点在<我>G我>是(<一个href="#B26">26一个>,<一个href="#B66">66年一个>- - - - - -<一个href="#B68">68年一个>] (在哪里<一个href="#B26">26一个>] 节点的数量在吗<我>G我>,是一个节点的pagerank吗 ,和是节点的出度 ,的总和 执行节点指向 。在PTNs的情况下,它被认为是<我>G我>是一个无向图;因此, 。 阻尼参数,∈[0,1]。(vi)中心是一个节点指向许多相关节点,和一个权威节点是被许多人关注重要的节点。两者都是基于特征向量的相关矩阵的特征值最高和 。中心的中心节点<我>我我>用HC (<我>我我>),是<我>我我>th条目下面的向量<我>y我>满足方程: 同样,一个节点的权威<我>我我>,记为AC (<我>我我>),是<我>我我>th条目下面的向量<我>x我>满足方程: 对于一个无向图,如PTN邻接矩阵<我>一个我>是对称的。这两个分数,AC (<我>我我>)和HC (<我>我我>),是相同的。
3所示。结果与讨论
3.1。在PTNs链接建设的过程
就像之前显示在<一个href="#sec2.2.2">2.2.2一个>,网络的代表<我>L-Space我>。所有循环和多个链接被消除,获得图像 。这是我们计算现有连接组件的最大数量。表<一个href="//www.newsama.com/journals/complexity/2021/3280777/tab2/" target="_blank">2一个>包含信息收集后的解释过程,分析了网络链接的数量和现有的节点和集群 。此外,还有最大的节点数量和链接出现在集群GC。以及其中一些有几个集群,检测集群在城市PTNs还可以让我们找到城市群体,通过运输是强连通。PTN集群之间的比较和城市群可以用来估计PTNs是否能够支持这些人类分布(<一个href="#B69">69年一个>]。确定下,overserviced地区也可以帮助决策,包括基础设施规划和地方发展<一个href="#B70">70年一个>]。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
就像解释<一个href="#sec2.2.1">2.2.1一个>在R中,我们使用了脱字符号包的建筑模型。中描述的<一个href="#sec2.2.3">2.2.3一个>,模型训练:每一次的一个分区作为测试集,和模型训练与其他数据(剩下的折叠)。每个褶皱作为测试集使用一次。最后,存在一些预测对整个数据集。这个过程的结果的估计<我>精度我>,<我>AUC我>和k参数。另外,如果两个相似措施有相关性大于0.9,没有考虑其中的一个预测。表<一个href="//www.newsama.com/journals/complexity/2021/3280777/tab3/" target="_blank">3一个>显示了现在的斯皮尔曼相关的相似性指数高于0.9。
|
|||||||||||||||||||||||||||||||||
为了知道方法用于计算相关性,皮尔森和枪兵,Anderson-Darling测试应用的显著性水平<我>α我>= 0.05。所有网络显示< 0.05。因此,零假设,<我>H我>0被拒绝,推断分布没有遵循正常的模式。斯皮尔曼的方法被用来计算相关性。
模型中的每个预测的重要性估计计算t他的绝对值(<一个href="#B71">71年一个>),其定义了<一个href="#sec2.2.1">2.2.1一个>预测的重要性,如表所示<一个href="//www.newsama.com/journals/complexity/2021/3280777/tab4/" target="_blank">4一个>。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
表<一个href="//www.newsama.com/journals/complexity/2021/3280777/tab5/" target="_blank">5一个>和<一个href="//www.newsama.com/journals/complexity/2021/3280777/tab6/" target="_blank">6一个>显示,在每个PTN,估计的平均值(准确性、AUC和κ)的计算<我>k我>时报》表示,该模型训练。自双节点之间链接的数量远低于无关的双节点的数量,随机采样下来的方法是利用,消除了观测。为了改善结果,人工平衡样本生成平滑显示引导程序(<一个href="#B60">60一个>在桑德贝交通网络。玫瑰在R包使用。
|
|||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||
表<一个href="//www.newsama.com/journals/complexity/2021/3280777/tab7/" target="_blank">7一个>所示,在每个网络,混淆矩阵(<一个href="#B72">72年一个>在决赛中获得验证。在表<一个href="//www.newsama.com/journals/complexity/2021/3280777/tab8/" target="_blank">8一个>、准确性、召回、精度和特异性参数。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
所有网络显示好的结果应用采样下来,根据参数选择的评价模型。crossvalidation过程中,平均精度和AUC值高于0.99和kappa大于0.93。在验证阶段,精度和召回显示值高于0.99,和特异性值等于1。唯一的例外是桑德贝交通网络,有必要应用增长方法以达到更好的卡帕和精度值。
结果,建立联系的过程是适当的建模使用的漠视,一些措施的节点之间的相似性作为输入变量。响应变量,建立了存在与否对节点之间的链接,由二项概率密度函数适当描述。函数使用分对数函数的联系,正如我们在解释道<一个href="#sec2.2.1">2.2.1一个>。模型中描述的新部分<一个href="#sec1">1一个>关于其他PTNs模型已经被开发出来。
在大多数网络,最高的人物影响dsimdis, simact紧随其后。此外,simcos_l simlp显示,在一些网络高或温和的重要性。
3.2。旅行时间的研究
分析了旅行时间为了估计网络之间的共同点。几个统计参数计算(平均值,标准差,中位数,文化节,最大,最小值)。结果和频率分布显示在表中<一个href="//www.newsama.com/journals/complexity/2021/3280777/tab9/" target="_blank">9一个>和图<一个href="//www.newsama.com/journals/complexity/2021/3280777/fig1/" target="_blank">1一个>,分别。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
累积概率分布也检查。他们在图所示<一个href="//www.newsama.com/journals/complexity/2021/3280777/fig2/" target="_blank">2一个>。在R统计包使用。检查两个分布之间的相似性,应用Kolmogorov-Smirnov测试(<一个href="#B73">73年一个>]。显著性水平等于0.05,而以下假设被认为是:(我)零假设(<我>H我>0):“样品”来自相同的分布。(2)备择假设(<我>H我>一个我>):“样本来自不同的分布。”
如果一个< 0.05的测试,获得零假设被拒绝。表<一个href="#supplementary-material-1">S.1一个>显示了测试结果。
它可以指出,PTNs之间的相似之处不存在与旅行时间。所有网络提出了很高的标准偏差。最低是14.02分钟(790.23523秒),最高的是11.12小时(42027 .19610秒)。这表明规模、复杂性和可变性的可用的路线PTNs导致旅行倍高度不一致之间的路线。旅行时间允许旅行者如何选择服务的评价基于是否方便。旅行时间已经被一些研究者认为评估PTNs[的性能<一个href="#B74">74年一个>,<一个href="#B75">75年一个>]。
3.3。学习的效率
3.3.1。当地的效率
所有网络节点显示绝大多数地方效率较低≤0.20,可以在数据<一个href="//www.newsama.com/journals/complexity/2021/3280777/fig3/" target="_blank">3一个>和<一个href="//www.newsama.com/journals/complexity/2021/3280777/fig4/" target="_blank">4一个>。
就像完成了旅行,当地的检验效率分布之间的相似性,应用Kolmogorov-Smirnov测试。显著性水平等于0.05,导致以下假设被认为是:(我)零假设(<我>H我>0):“样品”来自相同的分布。(2)备择假设(<我>H我>一个我>):“样本来自不同的分布。”
如果在测试获得< 0.05,零假设被拒绝。
提供的网络类比在当地的累积分布效率高。测试了一个> 0.05在所有成对的比较,可以欣赏在表<一个href="#supplementary-material-1">S.2一个>。因此,一般来说,如果一个站是不可用,剩下的邻国之间的关系是不同于直接连接。这是显示当地的低价值的效率(<一个href="#B76">76年一个>]。
3.3.2。全球效率
的计算GlobEff GC的进行 ,它可以观察到,根据表中所示的结果<一个href="//www.newsama.com/journals/complexity/2021/3280777/tab10/" target="_blank">10一个>,密度越高 ,GlobEff越高。
|
||||||||||||||||||||||||||||||||||||||||||
大多数的网络提出了一个分析GlobEff小值(< 0.20)。一些研究使用GlobEff作为参数来比较PTNs [<一个href="#B77">77年一个>,<一个href="#B78">78年一个>),和其他应用到识别中心(<一个href="#B79">79年一个>,<一个href="#B80">80年一个>]。因此,节点的度排名通过比较PTN效率的变化后消除节点。相比之下,本研究分析了变异在GlobEff链接删除了某些相似特征。结果如表所示<一个href="//www.newsama.com/journals/complexity/2021/3280777/tab11/" target="_blank">11一个>。相似性度量的相关性高于0.9与另一个没有考虑。它可以指出,在大多数的网络,减少了75%的链接删除了最快dsimpa dsimlp,和一个dsimcos_l达到最长。数据<一个href="//www.newsama.com/journals/complexity/2021/3280777/fig5/" target="_blank">5一个>- - - - - -<一个href="//www.newsama.com/journals/complexity/2021/3280777/fig7/" target="_blank">7一个>显示变化GlobEff当某些链接删除。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
(一)
(b)
(c)
(d)
(一)
(b)
(c)
(d)
(一)
(b)
表<一个href="//www.newsama.com/journals/complexity/2021/3280777/tab11/" target="_blank">11一个>所示,对于每个相似性度量,删除链接的数量,导致GlobEff减少75%。
3.3.3。拓扑测量数据之间的相关性
中间性特征向量,pagerank,学位,中心和权威中心计算 ,为了研究它们之间的相关性。这些变量的相关性的运输到达和离开每周从停止也估计。让我们知道哪个方法,培生或枪兵,应该用于计算,Anderson-Darling测试与显著性水平<我>α我>= 0.05应用。通过这种方式,它可以是已知的变量是否正态分布。测试了一个< 0.05的所有变量,所以零假设<我>H我>0被拒绝,备择假设<我>H我>一个我>被接受。
采用斯皮尔曼的方法获得的相关性如表所示<一个href="#supplementary-material-1">S.3一个>- - - - - -<一个href="#supplementary-material-1">S.12一个>。在所有网络,特征向量中心呈现很强的相关性与中心和权威中心。Pagerank表现出温和、高或非常高的相关程度。也因此,在这个网络,高度通常有重大影响。pagerank和程度只提出了一个与中间状态在一些网络中度或高度相关,证明专门在这些网络中一个节点高度通常也提供了一个重要的连接。特征向量和程度,在大多数网络,表现出低或极低的相关性。此外,每周公交车到达和离开一个公车站显示没有任何相关性强的中心措施。强烈程度之间的相关性和网页级别和程度和中间性也被发现在一些中国PTNs [<一个href="#B78">78年一个>]。
4所示。结论
关于模型随后停止之间的联系的形成,这个研究表明它可以正确地解释通过广义线性模型,具有一定的相似性措施作为输入变量。虽然解释模型的相似性措施是不同的在网络中,他们中的大多数,dsimdis具有更高的意义。它有一个价值等于100。此外,dsimcos_l和dsimlp提出相关重要性一些PTNs值高于30。此外,dsimact和dsimpa显示值等于100,大于10,在某些PTNs分别。
关于旅行时间,这些显示高可变性之间网络(标准差大于790.23秒),以及不同的累积概率分布(≥0.05 Kolmogorov-Smirnov测试)。
当地效率的研究显示,在所有的网络分布累积分布有很强的类比(Kolmogorov-Smirnov测试显示< 0.05)。当地的效率显示大多数PTNs值≤0.2。同样,整体效率表现出减少的值(≤0.25)。这似乎是PTNs的共同特征。
关于中心措施,他们没有显示相关车辆的流动,表明交通动力学网络可能会强烈影响其他不同的参数与拓扑。在所有网络,强相关性的特征向量中心枢纽和权威中心检测(值高于0.80)。pagerank显示温和、高或非常高的相关性的程度(大于0.5在所有网络)。因此,这些相关性特征似乎PTNs共性。
本研究可以继续详细研究之间的相互作用不同的运输方式在城市的现有模式。多模式交通系统,体现了多路网络,可以被认为是为了面对城市流动的问题。在一个多路复用网络中,节点代表一个特定的出发地/目的地停止,它存在于每一个网络层。然而,链接是由不同的交互层由运输模式用于连接两个节点的类型。
数据可用性
信息的停止,旅行路线和AVL,节能灯,RGTR,和泰斯;岛交通;Lanta;Linja-Karjala Oy;Metlink;PPTC ROPIT;圣人;明星;桑德贝运输;和TransAntofagasta检索从操作公司的公共网站,Deconet公共交通网络数据,和GTFS数据交换存储库。
的利益冲突
作者宣称没有利益冲突有关的出版。
确认
这部分工作是由西班牙电信在弗朗西斯科•德•维多利亚大学的椅子。
补充材料
补充材料包括(i)的描述相似措施(本地、全球和quasilocal方法),(ii)表相关研究的旅行时间,(iii)表关于分析当地的效率,和(iv)表与中心之间的相关性的措施。<我我d="supp-1">(<一个href="https://downloads.hindawi.com/journals/complexity/2021/3280777.f1.docx" target="_blank">补充材料一个>)我>
引用
- 艾哈迈德,m·艾克塔,努尔,和a . Shahnaz“缺失的环节预测使用基于共同邻居和中心的参数化算法,”<我>科学报告我>,10卷,不。1、1 - 9,2020页。视图:<一个href="https://doi.org/10.1038/s41598-019-57304-y">出版商的网站一个>|谷歌学术搜索一个>
- 诉马丁内斯,f . Berzal J.-C。Cubero”,在复杂网络链路预测的调查<我>ACM计算调查我>卷,49号4,1-33,2017页。视图:<一个href="https://doi.org/10.1145/3012704">出版商的网站一个>|谷歌学术搜索一个>
- l . Lu和t .周”,在复杂网络链路预测:一项调查,”<我>自然史统计力学及其应用我>,卷390,不。6,1150 - 1170年,2011页。视图:<一个href="https://doi.org/10.1016/j.physa.2010.11.027">出版商的网站一个>|谷歌学术搜索一个>
- d . Malhotra和r . Goyal”,使用信息理论在复杂网络链路预测措施。”<我>复杂网络杂志我>,8卷,不。4、2020。视图:<一个href="https://doi.org/10.1093/comnet/cnaa035">出版商的网站一个>|谷歌学术搜索一个>
- f . Tan,夏y, b .朱,“在复杂网络链路预测:互信息的角度来看,“<我>《公共科学图书馆•综合》我>文章ID e107056卷。9日,2014年。视图:<一个href="https://doi.org/10.1371/journal.pone.0107056">出版商的网站一个>|谷歌学术搜索一个>
- 周t、l . Lu和研究。张“预测失踪链接通过当地信息,”<我>欧洲物理期刊B我>,卷71,不。4、623 - 630年,2009页。视图:<一个href="https://doi.org/10.1140/epjb/e2009-00335-8">出版商的网站一个>|谷歌学术搜索一个>
- 周t、l . Lu和研究。张“预测失踪链接通过当地信息,”<我>欧洲物理期刊B我>,卷71,不。4、623 - 630年,2009页。视图:<一个href="https://doi.org/10.1140/EPJB/E2009-00335-8">出版商的网站一个>|谷歌学术搜索一个>
- f·高,k . Musial c·库珀,s . Tsoka”链接预测方法和精度不同的社交网络和网络指标,”<我>科学的规划我>文章ID 172879卷,2015年,13页,2009。视图:<一个href="https://doi.org/10.1155/2015/172879">出版商的网站一个>|谷歌学术搜索一个>
- b .朱镕基和y夏”,在加权网络链接预测:加权互信息模型中,“<我>《公共科学图书馆•综合》我>卷。11日,1-13,2016页。视图:<一个href="https://doi.org/10.1371/journal.pone.0148265">出版商的网站一个>|谷歌学术搜索一个>
- x y, j .张朱,j . Ma和苏x”链接预测基于共同邻居的领带连接强度,”<我>国际现代物理学杂志》上我>,30卷,不。11日文章ID 1950089, 2019。视图:<一个href="https://doi.org/10.1142/S012918311950089X">出版商的网站一个>|谷歌学术搜索一个>
- 美国巴姨,l . Li j . Cheng徐,和陈x,“预测失踪链接基于新的三角形结构,”<我>复杂性我>卷,2018篇文章ID 7312603, 11页,2018年。视图:<一个href="https://doi.org/10.1155/2018/7312603">出版商的网站一个>|谷歌学术搜索一个>
- 文卡特桑r ., A·莫汉,和k . v .帕拉”一个可伸缩的链路预测方法在现实世界大型网络,”<我>杂志的并行和分布式计算我>卷,109年,第101 - 89页,2017年。视图:<一个href="https://doi.org/10.1016/j.jpdc.2017.05.009">出版商的网站一个>|谷歌学术搜索一个>
- s . Gorlatch Banerjee, r . De尼古拉et al .,“BSP(批量同步并行)”<我>百科全书的并行计算我>艾德,帕多瓦,页192 - 199,施普林格,波士顿,MA,美国,2011。视图:<一个href="https://doi.org/10.1007/978-0-387-09766-4_311">出版商的网站一个>|谷歌学术搜索一个>
- a . m . Abdolhosseini-Qomi s h·贾法里,a . Taghizadeh n . Yazdani m . Asadpour和m . Rahgozar”链接预测在实际多路网络通过层重建方法,”<我>皇家学会开放科学我>,7卷,不。7篇文章ID 191928 2020。视图:<一个href="https://doi.org/10.1098/rsos.191928">出版商的网站一个>|谷歌学术搜索一个>
- n . n . Daud s . h . Ab哈米德·m·Saadoon f . Sahran和n . b . Anuar”链接预测在社交网络中的应用:一个评论,”<我>网络和计算机应用》杂志上我>文章ID 102716卷,166年,2020年。视图:<一个href="https://doi.org/10.1016/j.jnca.2020.102716">出版商的网站一个>|谷歌学术搜索一个>
- t . Wang X.-S。他,M.-Y。周,Z.-Q。傅,”链接预测基于声望的节点,在不断发展的网络”<我>科学报告我>,7卷,不。1,2017。视图:<一个href="https://doi.org/10.1038/s41598-017-07315-4">出版商的网站一个>|谷歌学术搜索一个>
- c . a .幸福m·r·弗兰克·c·m·丹弗斯和p·s·多兹,“进化算法链接预测方法在动态社会网络,”<我>计算机科学期刊我>,5卷,不。5,750 - 764年,2014页。视图:<一个href="https://doi.org/10.1016/j.jocs.2014.01.003">出版商的网站一个>|谷歌学术搜索一个>
- n·汉森和a . Ostermeier“完全derandomized自适应进化策略,”<我>进化计算我>,9卷,不。2、159 - 195年,2001页。视图:<一个href="https://doi.org/10.1162/106365601750190398">出版商的网站一个>|谷歌学术搜索一个>
- n .汉森”CMA进化策略:比较审查”<我>对一种新的进化计算。研究模糊性和软计算我>j . a . Lozano, p .票数Inza,大肠Bengoetxea, Eds。卷,192年,页75 - 102,施普林格,柏林,德国,2006年。视图:<一个href="https://doi.org/10.1007/3-540-32494-1_4">出版商的网站一个>|谷歌学术搜索一个>
- j . r .烈性黑啤酒和d·a·高夫”从一级结构预测蛋白质相互作用。”<我>生物信息学我>,17卷,不。5,455 - 460年,2001页。视图:<一个href="https://doi.org/10.1093/bioinformatics/17.5.455">出版商的网站一个>|谷歌学术搜索一个>
- l . Lu,学术界。金,t·周“相似性指数基于局部路径复杂网络链路预测,“<我>物理评论E我>,卷80,不。4、文章ID 046122, 2009。视图:<一个href="https://doi.org/10.1103/physreve.80.046122">出版商的网站一个>|谷歌学术搜索一个>
- c·雷和j .阮”小说链接预测算法重建蛋白质相互作用网络的拓扑相似性,”<我>生物信息学我>卷,29号3、355 - 364年,2013页。视图:<一个href="https://doi.org/10.1093/bioinformatics/bts688">出版商的网站一个>|谷歌学术搜索一个>
- 李x”,研究城市轨道交通的客流预测,“<我>e3的网络会议我>文章ID 03026卷,213年,2020年。视图:<一个href="https://doi.org/10.1051/e3sconf/202021303026">出版商的网站一个>|谷歌学术搜索一个>
- g . Yeboah c, d . Cottrill j·d·纳尔逊·d·Corsar m··马尔科维奇和p·爱德华兹,“理解影响因素公共交通乘客的预行程信息寻求行为,”<我>公共交通我>,11卷,不。1,第158 - 135页,2019。视图:<一个href="https://doi.org/10.1007/s12469-019-00198-w">出版商的网站一个>|谷歌学术搜索一个>
- c·冯·费伯t . Holovatch y Holovatch,诉Palchykov,“公共交通网络:实证分析和建模<我>欧洲物理期刊B我>,卷68,不。2、261 - 275年,2009页。视图:<一个href="https://doi.org/10.1140/epjb/e2009-00090-x">出版商的网站一个>|谷歌学术搜索一个>
- m . l . Mouronte-Lopez“分析公共交通网络的脆弱性,”<我>《先进的交通工具我>卷,2021篇文章ID 5513311, 22页,2021年。视图:<一个href="https://doi.org/10.1155/2021/5513311">出版商的网站一个>|谷歌学术搜索一个>
- d·莱文森和w·陈,“成立模型的高速增长,”<我>城市规划与发展》杂志上我>,卷133,不。4、250 - 254年,2007页。视图:<一个href="https://doi.org/10.1061/(asce)0733-9488(2007)133:4(250)">出版商的网站一个>|谷歌学术搜索一个>
- o .猫,a . Vermeulen m . Warnier h . van线头,“造型增长城市公共交通网络的原则。”<我>交通地理杂志我>文章ID 102567卷,82年,2020年。视图:<一个href="https://doi.org/10.1016/j.jtrangeo.2019.102567">出版商的网站一个>|谷歌学术搜索一个>
- m . l . Mouronte和r·m·贝尼托·“结构性马德里城市公交和地铁网络的性质,“<我>网络和异构的媒体我>,7卷,不。3、415 - 428年,2012页。视图:<一个href="https://doi.org/10.3934/nhm.2012.7.415">出版商的网站一个>|谷歌学术搜索一个>
- b . p . v .参孙·g·a·t·维j . r . Nobleza d·桑切斯和j·t·米兰,“优化效率、脆弱性和鲁棒性的道路para-transit网络使用遗传算法,”<我>在计算机科学的课堂讲稿我>卷,2018年,页3 - 14,2018。视图:<一个href="https://doi.org/10.1007/978-3-319-93698-7_1">出版商的网站一个>|谷歌学术搜索一个>
- m . Zanin x太阳,我们和美国,“通过复杂网络研究交通系统的拓扑:小心轻放,”<我>《先进的交通工具我>ID 3156137条,卷。2018年,17页,2018。视图:<一个href="https://doi.org/10.1155/2018/3156137">出版商的网站一个>|谷歌学术搜索一个>
- 大肠Rodriguez-Nunez和j . c . Garcia-Palomares“测量公共交通网络的脆弱性,”<我>交通地理杂志我>,35卷,50 - 63年,2014页。视图:<一个href="https://doi.org/10.1016/j.jtrangeo.2014.01.008">出版商的网站一个>|谷歌学术搜索一个>
- b . Berche c·冯·费伯t . Holovatch y Holovatch,“弹性的公共交通网络攻击,”<我>欧洲物理期刊B我>,卷71,不。1,第137 - 125页,2009。视图:<一个href="https://doi.org/10.1140/epjb/e2009-00291-3">出版商的网站一个>|谷歌学术搜索一个>
- d·罗、o .猫和h . van线头,“客流分布可以估计仅仅基于网络属性在公共交通系统?”<我>运输我>卷,47号6,2757 - 2776年,2020页。视图:<一个href="https://doi.org/10.1007/s11116-019-09990-w">出版商的网站一个>|谷歌学术搜索一个>
- m . l . Mouronte和r·m·贝尼托·“结构性分析和交通网络交通流的马德里,”<我>网络和异构的媒体我>,10卷,不。1,第148 - 127页,2015。视图:<一个href="https://doi.org/10.3934/nhm.2015.10.127">出版商的网站一个>|谷歌学术搜索一个>
- t·w·瓦伦特k . Coronges c . Lakon大肠Costenbader,“网络中心措施是如何关联?”<我>连接我>,28卷,不。1,第16 - 26页,2008页。视图:<一个href="https://scholar.google.com/scholar_lookup?title=How%20correlated%20are%20network%20centrality%20measures?&author=T. W. Valente&author=K. Coronges&author=C. Lakon&author=&author=E. Costenbader&publication_year=2008" target="_blank">谷歌学术搜索一个>
- 大肠Costenbader和t·w·瓦伦特”中心的稳定措施网络采样时,“<我>社交网络我>,25卷,不。4、283 - 307年,2003页。视图:<一个href="https://doi.org/10.1016/S0378-8733(03)00012-1">出版商的网站一个>|谷歌学术搜索一个>
- R项目统计计算,2020年,<一个t一个rget="_blank" href="https://www.r-project.org/">https://www.r-project.org/一个>。
- Python, Python Lenguaje de Programacion, 2020,<一个t一个rget="_blank" href="https://www.python.org/">https://www.python.org/一个>。
- c .邵崔p, p,和江x, y Peng”中心之间的等级相关指标在复杂网络:一个实证研究,“<我>开放的物理我>,16卷,不。1,第1023 - 1009页,2018。视图:<一个href="https://doi.org/10.1515/phys-2018-0122">出版商的网站一个>|谷歌学术搜索一个>
- p . j .绿色”为最大似然估计迭代再加权最小二乘,一些健壮和耐药的替代品,”<我>英国皇家统计学会杂志》:系列B我>,46卷,不。2、149 - 170年,1984页。视图:<一个href="https://doi.org/10.1111/j.2517-6161.1984.tb01288.x">出版商的网站一个>|谷歌学术搜索一个>
- p . Kragh和l·赛尔<我>与线性回归预测我>施普林格,纽约,纽约,美国,2010年。
- 达洛杉矶亚当和大肠”,在网络上的朋友和邻居,”<我>社交网络我>,25卷,不。3、211 - 230年,2003页。视图:<一个href="https://doi.org/10.1016/S0378-8733(03)00009-1">出版商的网站一个>|谷歌学术搜索一个>
- m·a·罗德里格斯b . Kim Turkoz et al .,“新的多级相似性度量的计算成对专利相似专利引文网络,”<我>科学计量学我>,卷103,不。2、565 - 581年,2015页。视图:<一个href="https://doi.org/10.1007/s11192-015-1531-8">出版商的网站一个>|谷歌学术搜索一个>
- f .入手,a . Pirotte人类。呈现,m . Saerens“随机游走图的计算节点之间的相似性与协作应用程序的建议,“<我>IEEE工程知识和数据我>,19卷,不。3、355 - 369年,2007页。视图:<一个href="https://doi.org/10.1109/TKDE.2007.46">出版商的网站一个>|谷歌学术搜索一个>
- e . Ravasz a . l . Somera d . a . Mongru z n . Oltvai A.-L。巴斯”层次模块化组织的代谢网络,<我>科学我>,卷297,不。5586年,第1555 - 1551页,2002年。视图:<一个href="https://doi.org/10.1126/science.1073374">出版商的网站一个>|谷歌学术搜索一个>
- j·保罗,“练习曲比较de la分布花香des阿尔卑斯et des侏罗山脉中一个部分,“<我>公报del la法国Vaudoise des科学只是我>37卷,第579 - 547页,1901年。视图:<一个href="https://scholar.google.com/scholar_lookup?title=Étude%20comparative%20de%20la%20distribution%20florale%20dans%20une%20portion%20des%20Alpes%20et%20des%20Jura&author=J. Paul&publication_year=1901" target="_blank">谷歌学术搜索一个>
- e . a•莱克特说,p .河中沙洲,m·e·j·纽曼“顶点相似性网络”<我>物理评论E我>,卷73,不。2、1 - 10,2006页。视图:<一个href="https://doi.org/10.1103/PhysRevE.73.026120">出版商的网站一个>|谷歌学术搜索一个>
- h·陈,李x和z黄“链接预测的协同过滤方法,”<我>学报》第五ACM和ieee cs的数字图书馆联合会议我>丹佛市,页141 - 142,美国2005年6月。视图:<一个href="https://scholar.google.com/scholar_lookup?title=Link%20prediction%20approach%20to%20collaborative%20filtering&author=H. Chen&author=X. Li&author=&author=Z. Huang" target="_blank">谷歌学术搜索一个>
- t . j . Sørensen”等于振幅的方法建立组植物社会学基于相似物种的内容及其应用,分析了植被的丹麦,“<我>丹麦Videnskabernes Biologiske Skrifter, Kongelige Selskab我>,København:我Kommission居屋e . Munksgaard丹麦,1948年。视图:<一个href="https://scholar.google.com/scholar_lookup?title=A%20method%20of%20establishing%20groups%20of%20equal%20amplitude%20in%20plant%20sociology%20based%20on%20similarity%20of%20species%20content%20and%20its%20application%20to%20analyses%20of%20the%20vegetation%20on%20Danish%20commons&author=T. J. Sørensen&publication_year=1948" target="_blank">谷歌学术搜索一个>
- d·j·克莱因和m . Randić“抵抗距离,”<我>数学化学杂志我>,12卷,不。1,第95 - 81页,1993。视图:<一个href="https://doi.org/10.1007/bf01164627">出版商的网站一个>|谷歌学术搜索一个>
- l . Katz,“一个新的地位指数来源于社会经济的分析,“<我>心理测量学我>,18卷,不。1,39-43,1953页。视图:<一个href="https://doi.org/10.1007/bf02289026">出版商的网站一个>|谷歌学术搜索一个>
- p . y . Chebotarev和e . v .同“matrix-forest定理和测量在小社会群体的关系,“<我>自动化和远程控制我>,卷。58岁的没有。9日,第1514 - 1505页,1997年。视图:<一个href="https://scholar.google.com/scholar_lookup?title=The%20matrix-forest%20theorem%20and%20measuring%20relations%20in%20small%20social%20groups&author=P. Y. Chebotarev &author=E. V. Shamis&publication_year=1997" target="_blank">谷歌学术搜索一个>
- J。是锅,周宏儒。杨、c·凯利和p . Duygulu“自动多媒体跨通道相关性的发现”、“<我>第十届ACM SIGKDD国际研讨会论文集知识发现和数据挖掘的知识发现(KDD) 04我>,第658 - 653页,西雅图,佤邦,美国,2004年8月。视图:<一个href="https://doi.org/10.1145/1014052.1014135">出版商的网站一个>|谷歌学术搜索一个>
- l, c·h·金,t·周“相似性指数基于局部路径复杂网络链路预测,“<我>物理评论E、统计、非线性和软物质物理学我>,卷80,不。4、文章ID 046122, 2009。视图:<一个href="https://doi.org/10.1103/PhysRevE.80.046122">出版商的网站一个>|谷歌学术搜索一个>
- h·卡拉·罗伯特·w·Duin,弗雷德,“ROC曲线下的面积作为标准聚类评价“,”<我>第二届国际会议在模式识别应用程序和方法(ICPRAM 2013)我>2013年2月、西班牙的巴塞罗那。视图:<一个href="https://doi.org/10.5220/0004265502760280">出版商的网站一个>|谷歌学术搜索一个>
- j·科恩,“名义尺度系数的协议,”<我>教育和心理测量我>,20卷,不。1,37-46,1960页。视图:<一个href="https://doi.org/10.1177/001316446002000104">出版商的网站一个>|谷歌学术搜索一个>
- c·科尔特斯和m . Mohri“AUC优化和出错率最小化,”<我>学报》第16届国际会议上神经信息处理系统(捏' 03)我>,页313 - 320,不列颠哥伦比亚,加拿大,2003年12月。视图:<一个href="https://scholar.google.com/scholar_lookup?title=AUC%20optimization%20vs.%20error%20rate%20minimization&author=C. Cortes &author=M. Mohri" target="_blank">谷歌学术搜索一个>
- m·纽豪斯<我>非参数统计检验:一个计算方法我>查普曼和大厅/ CRC,纽约,纽约,美国,2017年。
- g . Menardi和n . Torelli”培训和评估与不平衡数据分类规则。”<我>数据挖掘和知识发现我>,28卷,不。1,第122 - 92页,2012。视图:<一个href="https://doi.org/10.1007/s10618-012-0295-5">出版商的网站一个>|谷歌学术搜索一个>
- 诉Latora和m . Marchiori”小世界网络的有效行为,”<我>物理评论快报我>,卷87,不。19日,198701 - 198705年,2001页。视图:<一个href="https://doi.org/10.1103/PhysRevLett.87.198701">出版商的网站一个>|谷歌学术搜索一个>
- t . b . Athul和g Suresh辛格“正则图的全图,”<我>数学的发展:科学杂志我>,9卷,不。6,4213 - 4220年,2020页。视图:<一个href="https://doi.org/10.37418/amsj.9.6.103">出版商的网站一个>|谷歌学术搜索一个>
- e·布莱恩·c·VerSchneider a·达伦·纳拉,“网络和亚特兰大地铁网络的效率像星星一样,“<我>自然史一我>卷,392年,第5489 - 5481页,2013年。视图:<一个href="https://scholar.google.com/scholar_lookup?title=Efficiency%20of%20star-like%20networks%20and%20the%20Atlanta%20subway%20network&author=E. Bryan&author=C. VerSchneider&author=A. Darren&author=&author= Narayan&publication_year=2013" target="_blank">谷歌学术搜索一个>
- m . Natarajan”,对复杂网络中心性指标相关系数分析图表,”<我>在控制论和自动化智能系统理论。CSOC 2015。先进的智能系统和计算我>,Eds r . Silhavy和美国罗马。,卷。348,Springer, Czech, 2015.视图:<一个href="https://doi.org/10.1007/978-3-319-18503-3_2">出版商的网站一个>|谷歌学术搜索一个>
- m·e·j·纽曼,“复杂网络的结构和功能,<我>暹罗审查我>,45卷,不。2、167 - 256年,2003页。视图:<一个href="https://doi.org/10.1137/S003614450342480">出版商的网站一个>|谷歌学术搜索一个>
- m·德<我>复杂网络的结构分析我>,Birkhauser,维也纳,奥地利,2011年。
- e·埃斯特拉达d·j·海厄姆,n .波多野“传染性中间性在复杂网络,”<我>自然史答:统计力学及其应用我>,卷388,不。5,764 - 774年,2009页。视图:<一个href="https://doi.org/10.1016/j.physa.2008.11.011">出版商的网站一个>|谷歌学术搜索一个>
- c .毒龙,“热图中心:一个新的测量来识别super-spreader节点在无标度网络,”<我>《公共科学图书馆•综合》我>,15卷,不。7篇文章ID e0235690 2020。视图:<一个href="https://doi.org/10.1371/journal.pone.0235690">出版商的网站一个>|谷歌学术搜索一个>
- n . Fortunato Perra和美国“光谱复杂网络中心措施,”<我>物理评论E我>,卷78,不。第三条ID 036107, 2008。视图:<一个href="https://doi.org/10.1103/PhysRevE.78.036107">出版商的网站一个>|谷歌学术搜索一个>
- h .岳关,y, l . Chen和j . Lv”检测集群在城际交通网络使用K-shortest路径和分层集群:一个案例研究的中国大陆,“<我>国际地理信息科学杂志》上我>卷,2019年1至29,2019页。视图:<一个href="https://doi.org/10.1080/13658816.2019.1566551">出版商的网站一个>|谷歌学术搜索一个>
- a . Bramson m . Hori b咋,h .稻本润一”得分和分类通过多模式交通网络区域,”<我>应用网络科学我>,4卷,不。1,p。97年,2019。视图:<一个href="https://doi.org/10.1007/s41109-019-0191-7">出版商的网站一个>|谷歌学术搜索一个>
- j .徐、张y和d .苗族“三分类混淆矩阵:衡量驱动的观点,“<我>信息科学我>卷,507年,第794 - 772页,2020年。视图:<一个href="https://doi.org/10.1016/j.ins.2019.06.064">出版商的网站一个>|谷歌学术搜索一个>
- b . Llc“正常测试:Kolmogorov-Smirnov测试,皮尔逊卡方检验,Anderson-darling测试,帮助的k方测试,Jarque-bera测试,”2010年。视图:<一个href="https://scholar.google.com/scholar_lookup?title=Normality%20tests:%20Kolmogorov-Smirnov%20test,%20Pearson’s%20chi-square%20test,%20Anderson-darling%20test,%20D’agostino’s%20K-squared%20test,%20Jarque-bera%20Test&author=B. Llc&publication_year=2010" target="_blank">谷歌学术搜索一个>
- y Boujelbene和a . Derbel”的性能分析公共交通运营商在突尼斯使用AHP方法,”<我>Procedia计算机科学我>卷,73年,第508 - 498页,2015年。视图:<一个href="https://doi.org/10.1016/j.procs.2015.12.039">出版商的网站一个>|谷歌学术搜索一个>
- p·p·库马尔,m . Parida和m .阁下,“多模式交通系统的性能评估,”<我>Procedia-Social和行为科学我>卷,104年,第804 - 795页,2013年。视图:<一个href="https://doi.org/10.1016/j.sbspro.2013.11.174">出版商的网站一个>|谷歌学术搜索一个>
- L.-G。马特和大肠Jenelius脆弱性和恢复力的运输系统,讨论最近的研究”<我>交通研究部分:政策和实践我>卷。81年,16-34,2015页。视图:<一个href="https://doi.org/10.1016/j.tra.2015.06.002">出版商的网站一个>|谷歌学术搜索一个>
- j·林和y的禁令,“交通系统的复杂网络拓扑结构,<我>运输的评论我>,33卷,不。6,658 - 685年,2013页。视图:<一个href="https://doi.org/10.1080/01441647.2013.848955">出版商的网站一个>|谷歌学术搜索一个>
- l . (j . Lu, b。傅,S.-B。李”,审查和前景的复杂性和韧性基于复杂网络理论的城市公共交通网络,”<我>复杂性我>卷,2018篇文章ID 2156309, 36页,2018。视图:<一个href="https://doi.org/10.1155/2018/2156309">出版商的网站一个>|谷歌学术搜索一个>
- x张w·李,j·邓和t . Wang”研究中心的公共交通网络节点的识别桂林基于复杂网络理论,”<我>安全、智能和可持续的多模式交通系统(CICTP 2014)我>,页302 - 1309年,美国土木工程协会,莱斯顿,弗吉尼亚州,美国,2014年。视图:<一个href="https://doi.org/10.1061/9780784413623.126">出版商的网站一个>|谷歌学术搜索一个>
- x,美国陆、w .赵和z赵,“探索intra-urban总线服务网络的特点:一个案例研究的深圳,中国,“<我>ISPRS国际信息杂志》上我>,8卷,不。11日,第517 - 486页,2019年。视图:<一个href="https://doi.org/10.3390/ijgi8110486">出版商的网站一个>|谷歌学术搜索一个>
版权
版权©2021年玛丽Luz Mouronte-Lopez。这是一个开放的分布式下文章<一个rel="license" href="http://creativecommons.org/licenses/by/4.0/">知识共享归属许可一个>,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。