毕业论文外文翻译模板.docx

毕业论文外文翻译模板.docx

《毕业论文外文翻译模板.docx》由会员分享，可在线阅读，更多相关《毕业论文外文翻译模板.docx（12页珍藏版）》请在冰豆网上搜索。

毕业论文外文翻译模板

毕业论文外文翻译模板

————————————————————————————————作者：

————————————————————————————————日期：

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。

我们这些数据网络只是表明无标度网络，这是大的世界确实发生的实际情况。

这些问题与否实际上正是这些网络产生办法，我们提出这文件更为微妙和复杂。

A、另类算法

该算法采用戈麦斯罗和莫雷诺不显示任何其他增加，在路径长度由一个常数因子（取决于其算法参数），（图2该文件他们查看他们的算法产生缩放路径长度）与参数，这是成正比的阿尔贝模型，是独立的网络规模。

也就是说，戈麦斯罗莫雷诺网络产生路径长度这大约是成正比的

号法律公告号法律公告北路与此相反，路径长度的网络生产与我们的算法是成正比要么的lnN或Klemm和Eguíluz描述的一种算法其中平均路径长度表像的

除外，特殊情况下，网络正在建造一系列不长连接（u=0的名称Klemm和Eguíluz），如果是这种情况（u=0），网络结构是不同类型，不是小世界。

印第安纳州形成对比的是相关但超小世界模型，实际上可以使产量不超小世界的无尺度网络。

但是，我们的网络是无标度和高度选型。

正如我们在说明图6，网络的Klemm和Eguíliuz是不同类型。

因此而Klemm和Eguíliuz，伸出他们的网络实现大型长度路径，我们的网络仍然是便携人口稠密。

大平均路径长度在我们的网络或许更令人惊讶的；鉴于了很强的不稳定性[11-13]。

B、时间序列网络

小张描述的方法是一种振荡时间序列作为复杂的网络。

该程序从本质上讲，是下面的一个分区的时间序列离散周期和措施之间的相互关系的所有对周期。

然后每个周期的一个节点，一个复杂的网络，两个节点之间的联系，（如果相关是足够高或等值，如果相关空间距离足够低）。

的细节程序中所描述和相应的结果超出的范围，目前的工作。

图6小世界的无尺度网络

国际体操联合会，图6彩色在线通过复杂的网络产生的方法，我们会显示很多个节点，在网络产生的办法中所描述高度类型结构，这个网络显而易见的类型估计大约有鈭定的结构，这算法在图上鲜明对比并介绍详细的功能。

C、复杂网络的表现幂律

分配顶点力量。

然而，对某一方面规定该网络还是高度选型的（建设这应该是显而易见的）并且不得展览平均路径长度。

这是由于该网络是产生动态系统的基本时间序列。

同样，周期将彼此相近的，因此，该网络具有高度选型。

相反，不同的周期对应节点是分开了大量的中介机构。

这主要有两个节点类似三分之一可以唯一不同的是一个相对较小的数额（取决于不平等三角形）因此，这两个不同高度的节点，必须分开广泛的网络。

图7说明了高度选型（并在这案件是无标度学位分配）复杂的结构网络产生的罗斯勒。

D、禽流感

我们现在考虑的真正网络之间连接禽流感的暴发。

这些数据与施工网络中有详细，简单地说，自2003年每次爆发以来，禽流感是由全球坐标经度和纬度和时间。

如果两个连接，

图7禽流感网络模型

该网络可以看出其细长树枝样的结构。

这是因为我们采用十进制的距离限制之间的连接节点，并防止发生的短路遥远的地区之间的联系网络。

这种高度集中和选型之间的联系的爆发由此可见图7（b）我们描绘网络一系列离散件。

国际体操联合会图7，复杂的网络产生的周期是一个时间序列的罗斯勒系统。

这个例子说明连续250周期相比，在通过互相关和阈值生产的邻接矩阵，然后再解释为复杂的网络。

虽然这个例子是太短，无法断言，分布的基本网络的规度，是免费的吗？

这个复杂的网络显然展，强烈分类系数估计（0.595），是与此相反的例子。

7、总结

表上面的总结了主要计算结果讨论。

我们比较平均路径长度，聚类系数，和分类广管局模型以及我们的重组和不模式无标度网络。

我们的方法大大增加路径长度和分类。

该分类双方的重组和具有可比性的不重组模型也有显着提出的聚类系数。

我们认为，大赦国际网络这些拓扑特征的股票表现出我们的模型。

这是和展览大路径长度非常选型，高度集中。

此外，相对大小这些数字匹配相当密切。

模仿的行为算法的洗牌，我们忽视的影响，每天禽流感的暴发情况。

我们发现，这个小变化减少了路径长度合同规模的变化从重组到不确定网络发电计划。

一个更为复杂的网络一代计划的时间序列数据，当适用于混沌（时间序列IVB），还提供高选型网络（在图7分类系数约为0.595）。

例如，一个加权复杂网络推导从X部分罗斯勒。

系统展示了幂律分布的顶点强度，当系统混乱时，但不是当系统定期。

该网络还观察到没有表现出短期平均路径长度为某一方面门槛和分类。

都案件的人工智能网络和网络的混沌时间序列底层网络生成机理可减少的形成选择性选型连接就像目前的算法。

8、结论

我们已经提出了一个机制，以模型无标度网络没有小世界特性的的混合选型的机制，使新的节点偏置附件连接到现有的个人提供一个类似一些熟人社会中是很自然的大多数朋友有类似的一些朋友。

这是很自然地认为最有效的网络（个人与最高程度）将高度是相互关联的。

然而令人惊讶的后果是这一制约因素平均路径长度是增加了。

通过观察这可以解，平均路径长度从网络，以网络的其他部分是相对小，但道路长度从节点与相对几个环节是略微增加。

也就是说，在比较学士学位网络，连接节点的高度受益于结构进行了讨论，但不到高度连接个人（和网络作为一个整体）遭受更大平均路径长度。

身体动机算法本文介绍了生成无标度网络具有高度分类。

这是不小的世界。

该算法生成网络结构非常相似，发现网络中的人工智能出现；因此，提供了一个解释，强大的分组观察到这个现实世界的疾病网络。

在延长这项工作我们现在正在探索应用这里提出的想法产生高度选型网络度分布以外的电力法。

9、致谢

这方面的工作，得到了徐消渴的帮助，并且获得了卫生福利院及食物局，香港特区政府的支持。

而且获得由香港理工大学大学教育资助委员会，香港特区政府资助的一个用于研究的资金账号。

由香港理工大学大学教育资助委员会香港特区政府。

尤其还要感谢那些给本文作者提出宝贵意见的人。

参考文献:

[1]R.AlbertandA.-L.Barabási,Rev.Mod.Phys.74,472002.

[2]M.E.J.Newman,SIAMRev.45,1672003.

[3]S.Boccalettietal.,Phys.Rep.424,1752006.

[4]D.J.WattsandS.H.Strogatz,NatureLondon393,440,1998

[5]A.-L.BarabásiandR.Albert,Science286,5091999.

[6]S.Milgram,Psychol.Today2,601967;L.A.N.Amaraletal.,Proc.Natl.Acad.Sci.U.S.A.97,111492000.

[7]M.E.J.Newman,Phys.Rev.Lett.89,2087012002.

[8]M.Catanzaro,G.Caldarelli,andL.Pietronero,Phys.Rev.E70,0371012004.

[9]R.CohenandS.Havlin,Phys.Rev.Lett.90,0587012003.

[10]R.Xulvi-BrunetandI.M.Sokolov,Phys.Rev.E70,066102,2004

[11]K.KlemmandV.M.Eguíluz,Phys.Rev.E65,057102,2002

[12]J.Gómez-GardenesandY.Moreno,Phys.Rev.E69,037103,2004

[13]Y.MorenoandA.Vásquez,Eur.Phys.J.B31,2652003.

[14]M.Small,D.M.Walker,andC.K.Tse,Phys.Rev.Lett.99,1887022007.

[15]J.ZhangandM.Small,Phys.Rev.Lett.96,2387012006.

[16]J.Zhou,X.Xu,J.Zhang,J.Sun,M.Small,andJ.Lu,Int.J.Bifurcat.Chaos.tobepublished.

[17]Wealsonotethatwedonotincludethecommonplace,butextraneous,constraintthat“usually2,3”inourdefinitionofpowerlaw.Infact,weareunsureastothemeaningororiginofthiscaveat,commonlyimposedintheliterature.

[18]Thatis,foraparticularvalueofthecutoffparameterwhichdictateswhethertwonodesareconnected.