Als «graph-theory» getaggte Fragen

Diagramme sind abstrakte Darstellungen von Objekten und ihren gegenseitigen Beziehungen, wobei die Objekte "Knoten" und die Verbindungen zwischen ihnen "Kanten" sind.

4
Wo ist die Graphentheorie in grafischen Modellen?
Einführungen in grafische Modelle beschreiben sie als "... eine Verbindung zwischen Graphentheorie und Wahrscheinlichkeitstheorie". Ich verstehe den Teil der Wahrscheinlichkeitstheorie, habe aber Probleme zu verstehen, wo genau die Graphentheorie hineinpasst. Welche Erkenntnisse aus der Graphentheorie haben dazu beigetragen, unser Verständnis der Wahrscheinlichkeitsverteilungen und der Entscheidungsfindung unter Ungewissheit zu vertiefen? Ich …
6
Graphentheorie - Analyse und Visualisierung
Ich bin nicht sicher, ob das Thema in das CrossValidated-Interesse eintritt. Du wirst es mir sagen. Ich muss einen Graphen studieren (aus der Graphentheorie ) dh. Ich habe eine bestimmte Anzahl von Punkten, die verbunden sind. Ich habe eine Tabelle mit allen Punkten und den Punkten, von denen jeder abhängig …
2
Was bedeutet es, wenn alle Kanten in einem realen Netzwerk / Diagramm statistisch genauso zufällig sind?
Ich habe die in diesem Dokument beschriebene Methode zur Extraktion des Backbone-Netzwerks verwendet: http://www.pnas.org/content/106/16/6483.abstract Grundsätzlich schlagen die Autoren eine statistische Methode vor, die für jede Kante im Diagramm eine Wahrscheinlichkeit erzeugt, dass die Kante zufällig entstanden sein könnte. Ich verwende den typischen statistischen Signifikanzgrenzwert von 0,05. Ich habe diese Methode …
2
Wie kann ich statistisch testen, ob mein Netzwerk (Grafik) ein "Small-World" -Netzwerk ist oder nicht?
Ein Small-World-Netzwerk ist eine Art mathematischer Graph, bei dem die meisten Knoten keine Nachbarn sind, die meisten Knoten jedoch durch eine kleine Anzahl von Sprüngen oder Schritten voneinander erreicht werden können. Insbesondere wird ein Small-World-Netzwerk als ein Netzwerk definiert, bei dem der typische Abstand L zwischen zwei zufällig ausgewählten Knoten …
1
Dichte von Robotern, die zufällige Schritte in einem unendlichen zufälligen geometrischen Diagramm ausführen
Betrachten Sie einen unendlichen zufälligen geometrischen Graphen, in dem die Knotenpositionen einem Poisson-Punkt-Prozess mit der Dichte folgen und Kanten zwischen den Knoten platziert werden, die näher als d sind . Daher folgt die Länge der Kanten dem folgenden PDF:ρρ\rhoddd f( l ) = { 2 ld2l ≤ d0l > df(l)={2ld2l≤d0l>d …
3
Ein konkretes Beispiel ist die Durchführung einer SVD, um fehlende Werte zu unterstellen
Ich habe die großartigen Kommentare zum Umgang mit fehlenden Werten vor dem Anwenden von SVD gelesen, möchte aber anhand eines einfachen Beispiels wissen, wie dies funktioniert: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Wenn ich in der …
8 r  missing-data  data-imputation  svd  sampling  matlab  mcmc  importance-sampling  predictive-models  prediction  algorithms  graphical-model  graph-theory  r  regression  regression-coefficients  r-squared  r  regression  modeling  confounding  residuals  fitting  glmm  zero-inflation  overdispersion  optimization  curve-fitting  regression  time-series  order-statistics  bayesian  prior  uninformative-prior  probability  discrete-data  kolmogorov-smirnov  r  data-visualization  histogram  dimensionality-reduction  classification  clustering  accuracy  semi-supervised  labeling  state-space-models  t-test  biostatistics  paired-comparisons  paired-data  bioinformatics  regression  logistic  multiple-regression  mixed-model  random-effects-model  neural-networks  error-propagation  numerical-integration  time-series  missing-data  data-imputation  probability  self-study  combinatorics  survival  cox-model  statistical-significance  wilcoxon-mann-whitney  hypothesis-testing  distributions  normal-distribution  variance  t-distribution  probability  simulation  random-walk  diffusion  hypothesis-testing  z-test  hypothesis-testing  data-transformation  lognormal  r  regression  agreement-statistics  classification  svm  mixed-model  non-independent  observational-study  goodness-of-fit  residuals  confirmatory-factor  neural-networks  deep-learning 
4
Graph-Clustering-Algorithmen, die negative Gewichte berücksichtigen
Ich habe eine Diagramminstanz mit gewichteten gerichteten Kanten, deren Werte im Bereich [-1,1] liegen können. Ich muss Clustering in diesem Diagramm durchführen, um Gruppen herauszufinden, in denen Eckpunkte stärker korreliert sind. Ich habe nach mehreren Algorithmen gesucht, die auf Clustering oder Community-Erkennungsgraphen basieren, aber die meisten funktionieren aufgrund der negativen …
3
Statistisches Modell zur Vorhersage der nächsten Bewegung im Netzwerk nur anhand des Bewegungsverlaufs
Ist es möglich, ein statistisches Modell zu erstellen, das die nächste Bewegung in einem Diagramm ausschließlich auf der Grundlage vergangener Bewegungen und der Struktur des Diagramms vorhersagt? Ich habe ein Beispiel gemacht, um das Problem zu veranschaulichen: Die Zeit ist diskret . In jeder Runde bleiben Sie entweder an Ihrem …
2
Wie werden Diagramme von k-nächsten Nachbarn erstellt? (zum Clustering)
Ich habe gesehen, dass es mehrere Clustering-Algorithmen gibt (zum Beispiel CHAMELEON oder sogar Spectral Clustering), die die Daten in einen gewichteten (oder manchmal ungewichteten) k-Nächsten-Nachbarn-Graphen konvertieren, basierend auf den Abständen zwischen Punkten / Beobachtungen / Zeilen und Ich habe mich gefragt, wie diese Grafiken generiert werden. Sind diese Grafiken gerichtet? …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.