CN106202721A - 脑网络效率计算方法 - Google Patents
脑网络效率计算方法 Download PDFInfo
- Publication number
- CN106202721A CN106202721A CN201610541543.3A CN201610541543A CN106202721A CN 106202721 A CN106202721 A CN 106202721A CN 201610541543 A CN201610541543 A CN 201610541543A CN 106202721 A CN106202721 A CN 106202721A
- Authority
- CN
- China
- Prior art keywords
- efficiency
- computational methods
- network
- limit
- node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及脑网络效率计算方法,首先进行cost值计算、全局效率计算、局部效率计算、点效率计算或边效率计算;计算完毕,输入文件名和参数值,将运算结果保存,本发明能够迅速和方便的进行cost值计算、全局效率计算、局部效率计算、点效率计算或边效率计算,运行负载小,运行速度快。
Description
技术领域
本发明涉及脑网络效率计算方法。
背景技术
目前脑网络效率计算方法基于matlab,其计算复杂,运行负载大,运行十分缓慢,学习和使用难度大。
发明内容
本发明所要解决的技术问题是构建脑网络效率计算方法,能够迅速和方便的进行cost值计算、全局效率计算、局部效率计算、点效率计算或边效率计算,运行负载小,运行速度快。
本发明解决上述技术问题的技术方案如下:脑网络效率计算方法,其特征在于,按照如下步骤:
步骤1:脑网络进行cost值计算、全局效率计算、局部效率计算、点效率计算或/和边效率计算;
步骤2:计算完毕,输入文件名和参数值,将运算结果保存。
进一步,所述边效率计算方法为:设图G={V,L}是一个无向连通网络,其中V为网络中所有节点的集合;L为网络中所有节点之间边的集合,且 其中边效率为:Lij经过边k。
进一步,所述cost值计算的计算方法为:
其中,aij表示邻接矩阵,lij表示最短路径长度,r(lij)表示成本因子函数。
进一步,所述全局效率计算方法为:网络节点i和j的通信效率Eij被定义为它们之间最短距离的倒数,全局效率Eglob定义为: 全局效率Eglob值在[0,1]。
进一步,所述局部效率计算方法为:
节点i的局部效率表示为Gi,Gi为节点i的邻居子图,用Gi描述图G的局部特性,局部效率定义为局部子图的平均效率,公式表示为: E(Gi)为i点的全局效率。。
进一步,所述点效率计算方法为:图G={V,L}是一个无向连通网络,其中V为网络中所有节点的集合;L为网络中所有节点之间边的集合,且 点效率计算公式为:
本发明的有益效果是:本发明能够迅速和方便的进行cost值计算、全局效率计算、局部效率计算、点效率计算或边效率计算,算法简单,运行负载小,运行速度快。
具体实施方式
以下对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
脑网络效率计算方法,按照如下步骤:
步骤1:进行cost值计算、全局效率计算、局部效率计算、点效率计算 或边效率计算;
步骤2:计算完毕,输入文件名和参数值,将运算结果保存。
运行结果可以在计算机上调用查看。
边效率计算方法为:设图G={V,L}是一个无向连通网络,其中V为网络中所有节点的集合;L为网络中所有节点之间边的集合,且其中边效率为:Lij经过边k。
进一步,所述cost值计算的计算方法为:
其中,aij表示邻接矩阵,lij表示最短路径长度,r(lij)表示成本因子函数。
全局效率计算方法为:网络节点i和j的通信效率Eij被定义为它们之间最短距离的倒数,全局效率Eglob定义为:全局效率Eglob值在[0,1]。
局部效率计算方法为:节点i的局部效率表示为Gi,Gi为节点i的邻居子图,用Gi描述图G的局部特性,局部效率定义为局部子图的平均效率,公式表示为:
点效率计算方法为:图G={V,L}是一个无向连通网络,其中V为网络中所有节点的集合;L为网络中所有节点之间边的集合,且其中点效率计算公式为:
本发明能够迅速和方便的进行cost值计算、全局效率计算、局部效率计算、点效率计算或边效率计算,计算方法简单迅速,运行负载小,运行速 度快。
上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.脑网络效率计算方法,其特征在于,按照如下步骤:
步骤1:脑网络进行cost值计算、全局效率计算、局部效率计算、点效率计算和边效率计算;
步骤2:计算完毕,输入文件名和参数值,将运算结果保存。
2.根据权利要求1所述脑网络效率计算方法,其特征在于,所述边效率计算方法为:图G={V,L}是一个无向连通网络,图G中有N个节点,其中i,j为图G中的节点,V为网络中所有节点的集合;L为网络中所有节点之间边的集合,且边效率为:Lij经过边k。
3.根据权利要求1所述脑网络效率计算方法,其特征在于,所述cost值计算的计算方法为:
其中,aij表示邻接矩阵,lij表示最短路径长度,γ(lij)表示成本因子函数。
4.根据权利要求1所述脑网络效率计算方法,其特征在于,所述全局效率计算方法为:网络节点i和网络节点j的通信效率Eij被定义为它们之间最短距离的倒数,全局效率Eglob定义为:全局效率Eglob值在[0,1]之间。
5.根据权利要求1所述脑网络效率计算方法,其特征在于,所述局部效率计算方法为:
节点i的局部效率表示为Gi,Gi为节点i的邻居子图,用Gi描述图G的局部特性,局部效率定义为局部子图的平均效率,公式表示为:E(Gi)为i点的全局效率。
6.根据权利要求1所述脑网络效率计算方法,其特征在于,所述点效率计算方法为:图G={V,L}是一个无向连通网络,图G有N个节点,其中i,j是图G的节点,V为网络中所有节点的集合;L为网络中所有节点之间边的集合,且其中点效率计算公式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610541543.3A CN106202721A (zh) | 2016-07-11 | 2016-07-11 | 脑网络效率计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610541543.3A CN106202721A (zh) | 2016-07-11 | 2016-07-11 | 脑网络效率计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106202721A true CN106202721A (zh) | 2016-12-07 |
Family
ID=57474200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610541543.3A Pending CN106202721A (zh) | 2016-07-11 | 2016-07-11 | 脑网络效率计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106202721A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114732424A (zh) * | 2022-04-29 | 2022-07-12 | 苏州大学 | 基于表面肌电信号提取肌肉疲劳状态复杂网络属性的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258120A (zh) * | 2013-04-19 | 2013-08-21 | 杭州电子科技大学 | 一种基于脑电信号的中风康复程度指标计算方法 |
CN104050394A (zh) * | 2014-07-04 | 2014-09-17 | 北京师范大学 | 群体脑网络的建模方法及其拓扑属性分析方法 |
-
2016
- 2016-07-11 CN CN201610541543.3A patent/CN106202721A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258120A (zh) * | 2013-04-19 | 2013-08-21 | 杭州电子科技大学 | 一种基于脑电信号的中风康复程度指标计算方法 |
CN104050394A (zh) * | 2014-07-04 | 2014-09-17 | 北京师范大学 | 群体脑网络的建模方法及其拓扑属性分析方法 |
Non-Patent Citations (4)
Title |
---|
MING YE等: "Changes of Functional Brain Networks in Major Depressive Disorder: A Graph Theoretical Analysis of Resting-State fMRI", 《PLOS ONE》 * |
SOPHIE ACHARD等: "Efficiency and Cost of Economical Brain Functional Networks", 《PLOS COMPUTATIONAL BIOLOGY》 * |
V.LATORA等: "Economic small-world behavior in weighted networks", 《THE EUROPEAN PHYSICAL JOURNAL B》 * |
熊秀春: "基于静息态脑电的心因性非癫痫发作的识别算法研究", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114732424A (zh) * | 2022-04-29 | 2022-07-12 | 苏州大学 | 基于表面肌电信号提取肌肉疲劳状态复杂网络属性的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017067505A1 (zh) | 网络扩容方法及装置 | |
CN104077412B (zh) | 一种基于多Markov链的微博用户兴趣预测方法 | |
Ercsey-Ravasz et al. | Range-limited centrality measures in complex networks | |
CN103995907A (zh) | 一种访问用户的确定方法 | |
CN104580385A (zh) | 一种拓展用户关系链的方法及装置 | |
CN107808194A (zh) | 一种基于Rete推理网络的复合推理方法 | |
CN103699617A (zh) | 一种基于随机游走的社区发现方法 | |
CN108763956A (zh) | 一种基于分形维数的流式数据差分隐私保护发布方法 | |
CN108268603A (zh) | 一种基于核心成员识别的社区发现方法 | |
CN107040605A (zh) | 基于sdn的云平台资源调度与管理系统及其应用方法 | |
CN104317904A (zh) | 一种带权重社会网络的泛化方法 | |
Shang | Lack of Gromov-hyperbolicity in colored random networks | |
CN106202721A (zh) | 脑网络效率计算方法 | |
CN105594158B (zh) | 资源的配置方法和装置 | |
CN110487293A (zh) | 一种基于大规模道路网络的高效且隐私的路径规划方法 | |
CN108768857B (zh) | 一种虚拟路由转发方法、装置及系统 | |
CN105760549A (zh) | 基于属性图模型的近邻查询方法 | |
CN105956925A (zh) | 一种基于传播网络的重要用户发现方法及装置 | |
CN108040321A (zh) | 一种路网环境下抗重放攻击的位置匿名方法 | |
CN107220702B (zh) | 一种低计算能力处理设备的计算机视觉处理方法及装置 | |
WO2021046950A1 (zh) | 一种基于度序列最佳分组进行图结构修改的网络匿名方法 | |
CN107333320A (zh) | 数据转发方法和装置 | |
CN102693133A (zh) | 一种带环路径的编码、执行及解码方法 | |
CN108170725A (zh) | 集成多特征信息的社交网络用户关系强度计算方法和装置 | |
CN107040467B (zh) | 一种复杂网络拓扑中心节点的搜索算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161207 |