CN106202721A - 脑网络效率计算方法 - Google Patents

脑网络效率计算方法 Download PDF

Info

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
Application number
CN201610541543.3A
Other languages
English (en)
Inventor
张红
叶明�
雷旭
刘光远
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest University
Original Assignee
Southwest University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southwest University filed Critical Southwest University
Priority to CN201610541543.3A priority Critical patent/CN106202721A/zh
Publication of CN106202721A publication Critical patent/CN106202721A/zh
Pending legal-status Critical Current

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

脑网络效率计算方法
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：
CN201610541543.3A 2016-07-11 2016-07-11 脑网络效率计算方法 Pending CN106202721A (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (2)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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