主要内容
居民
测量节点的重要性
描述
例子
6个网站的页面排名
创建并绘制一个包含6个虚构网站的图表。
s = [1 1 2 2 3 3 3 4 5];T = [2 5 3 4 4 5 6 11 1];名称= {'http://www.example.com/alpha'，“http://www.example.com/beta”，．..“http://www.example.com/gamma”，“http://www.example.com/delta”，．..“http://www.example.com/epsilon”，'http://www.example.com/zeta'};G =有向图(s t[],名称);情节(G,“NodeLabel”，{“α”，“β”，“伽马”，“δ”，'epsilon'，'Zeta'}）
计算每个网站的页面等级使用居民函数。将此信息附加到节点表的图形作为属性的图形节点。
pg_ranks =中心(G,“pagerank”）
pg_ranks =6×10.3210 0.1706 0.1066 0.1368 0.2008 0.0643
g.nodes.pagerank = pg_ranks;G.Nodes
ans =6×2表名字网页排名 __________________________________ ________ {' 0.17057 http://www.example.com/alpha 0.32098”}{' http://www.example.com/beta '} {' http://www.example.com/gamma '} 0.10657 {' http://www.example.com/delta '} 0.13678 0.20078 {' http://www.example.com/epsilon '} {' http://www.example.com/zeta '} 0.06432
还要确定集线器和授权使用哪些节点居民并将分数附加到节点桌子。
hub_ranks =中心(G,“中心”）;auth_ranks =中心(G,'当局'）;G.Nodes.Hubs = hub_ranks;G.Nodes.Authorities = auth_ranks;
G.Nodes
ans =6×4表命名PageRank Hubs当局__________________________________________________________ww.example.com/alpha'} 0.32098 0.24995 7.3237E-05 {'http://www.example.com/beta'} 0.17057 0.24995 0.24995 0.24995 0.24995 0.24995 0.24995 0.24995 0.24995 0.24995 0.24995 0.24995 0.24995 0.24995 0.099993 {'HTTP：//www.example.com/gamma'} 0.10657 0.49991 0.099993 {'http://www.example.com/delta'} 0.13678 9.15360-05 0.29998 {'http://www.example.com/epsilon'0.29998 {'http://www.example.com/zeta'} 0.06432 0 0.19999
随机图的程度中心
创建和绘制一个加权图使用随机稀疏邻接矩阵。因为有很多边，使用一个非常小的值EdgeAlpha使边缘大部分透明。
一个= sprand(1000、1000、0.15);A = A + A';图G = (,“omitselfloops”）;p =情节(G,“布局”，“力”，“EdgeAlpha”, 0.005,“NodeColor”，“r”）;
计算每个节点的中心度。使用边的权重指定每条边的重要性。
deg_ranks =中心(G,“度”，“重要性”, G.Edges.Weight);
用离散化根据节点的中心性得分，将节点放入7个等间距的箱子中。
边缘= linspace（min（deg_ranks），max（deg_ranks），7）;箱=离散化（DEG_RANKS，边缘）;
使每个节点的大小与其中心分数成比例。每个节点的标记大小等于BIN编号（1-7）。
p.MarkerSize =垃圾箱;
明尼苏达道路的亲密关系
载入数据明尼苏达州.Mat，其中包含一个图形对象G代表明尼苏达州道路网络。图表节点具有xy坐标包含在XCoord和ycoord.变量的G.Nodes桌子。
负载明尼苏达州.Matxy = [G.Nodes。XCoordG.Nodes．ycoord.];
将边权值添加到图中，大致对应于道路的长度，使用欧几里德距离计算xy每条边的结束节点的坐标。
(s, t) = findedge (G);G.Edges.Weight =函数(xy(年代,1)xy (t, 1), xy(年代,2)xy (t, 2));
使用该图绘制图表xy节点的坐标。
p =情节(G,'xdata'，xy（：1），“YData”，xy（:,2），'Markersize'5);标题(“明尼苏达州道路网”）
计算每个节点的接近中心性。缩放节点颜色NodeCData与中心性得分成正比。
ucc =中心(G,'亲密'）;p.nodecdata = UCC;COLOROMAP.飞机彩色杆标题（'亲密的中心地位分数 - 未加权'）
同时，利用边的权值作为遍历每条边的代价，计算加权贴近度中心性得分。使用道路长度作为边的权重可以改善得分质量，因为现在测量距离是所有走过的边的长度之和，而不是走过的边的数量。
“=中心(G,'亲密'，“成本”, G.Edges.Weight);p.NodeCData =“;标题(“亲近中心性得分——加权”）
计算图表的加权度量分数，以确定最常见于两个节点之间最短路径的道路。以因素标准化中心分分数 因此，分数表示旅行者沿两个随机节点之间的最短路径的概率将通过给定节点行进。这些地块表明，有一些非常重要的道路通往城市。
白细胞=中心(G,“中间状态”，“成本”, G.Edges.Weight);n = numnodes (G);p.NodeCData = 2 * wbc. / ((n - 2) * (n - 1));colormap(翻转(秋天,1));标题(“中间性中心性得分——加权”）
输入参数
输出参数
介绍了R2016a
您还可以从以下列表中选择一个网站：
