Convolutional Neural Networks 1
1.图的基本介绍
1.1图的表示
什么是图?
图(Graph)是由顶点的有穷非空集合和顶点之间边的集合组成,通常表示为:G (V,E),其中,G表示一个图,V是图G中顶点的集合,E是图G中边的集合。
翻译成人话:图就是点和边构成的一个网
图如何表示?
我们可以用矩阵来表示,如邻接矩阵。
邻接矩阵就是下图所示
有连接表示1,没连接表示为0
度
就是一个点的边数
1.2图的特性
子图
定义
子图是图论的基本概念之一,指节点集和边集分别是某一图的节点集的子集和边集的子集的图。
人话
图的一部分
连通图
定义
对一个图 G = ( V, E )中的两点x和y,若存在交替的顶点和边的序列 (在有向图中要求有向边 属于 E ),则两点 x和y是连通的。. 是一条x到y的连通路径,x和y分别是起点和终点。. 当x=y时, 被称为 回路 。. 如果通路 中的边两两不同,则 是一条 简单通路 ,否则为一条 复杂通路 。. 如果图 G 中每两点间皆连通,则 G 是 连通图 。
人话
每个点都被线连起来
连通分量
定义
无向图G的极大连通子图称为G的连通分量( Connected Component)。任何连通图的连通分量只有一个,即是其自身,非连通的无向图有多个连通分量。
人话
看看能分成几个不连通的部分
有向图的连通性
强连通图
定义
强连通图(Strongly Connected Graph)是指在有向图G中,如果对于每一对vi、vj,vi≠vj,从vi到vj和从vj到vi都存在路径,则称G是强连通图。有向图中的极大强连通子图称做有向图的强连通分量。
人话
根据方向都连起来
弱连通图
定义
将有向图的所有的有向边替换为无向边,所得到的图称为原图的基图。如果一个有向图的基图是连通图,则有向图是弱连通图。
人话
不管方向都能连起来
最短路径
寡人认为此定义无需解释
图直径
最短路径的距离
1.3图中心性
度中心性
特征向量中心性
特征向量中心性的基本思想是,一个节点的中心性是相邻节点中心性的函数。也就是说,与你连接的人越重要,你也就越重要。
特征向量中心性和点度中心性不同,一个点度中心性高即拥有很多连接的节点,但特征向量中心性不一定高,因为所有的连接者有可能特征向量中心性很低。同理,特征向量中心性高并不意味着它的点度中心性高,它拥有很少但很重要的连接者也可以拥有高特征向量中心性。
具体解释看这篇文章((52条消息) 特征向量中心性_vincent_duan的博客-CSDN博客_特征向量中心性)