zoukankan      html  css  js  c++  java
  • 拉普拉斯矩阵

    拉普拉斯矩阵(Combinatorial Laplacian)

      拉普拉斯矩阵(Laplacian matrix)也叫做导纳矩阵、基尔霍夫矩阵或离散拉普拉斯算子,主要应用在图论中,作为一个图的矩阵表示。

      给定一个有 $n$ 个顶点的图 $G$,它的拉普拉斯矩阵:

        $L=D-A$

      其中 $D$ 为图的度矩阵,$A$ 为图的邻接矩阵。度矩阵在有向图中,只需要考虑出度或者入度中的一个。

        

      性质

    1. 拉普拉斯矩阵是半正定矩阵;
    2. 特征值中 0 出现的次数就是图连通区域的个数;
    3. 最小特征值是 0,因为拉普拉斯矩阵每一行的和均为0;
    4. 最小非零特征值是图的代数连通度。

    Symmetric normalized Laplacian

      L 左乘 度矩阵 的 $-1/2$ 次,再右乘度矩阵的 $-1/2$ 次,展开得到单位矩阵 $I$ 减去 $A$ 左乘度矩阵的 $-1/2$ 次,再右乘度矩阵的 $-1/2$ 次。

        $L^{ ext {sym }}:=D^{-1 / 2} L D^{-1 / 2}=I-D^{-1 / 2} A D^{-1 / 2}$

      该矩阵中的元素由下面的式子给出:

          $L_{i, j}^{s y m}:=left{egin{array}{ll} 1 & ext { if } i=j ext { and } operatorname{deg}left(v_{i} ight) eq 0 \ -frac{1}{sqrt{operatorname{deg}left(v_{i} ight)  operatorname{deg}left(v_{j} ight)}} & ext { if } i eq j ext { and } v_{i} ext { is adjacent to } v_{j} \ 0 & ext { otherwise. } end{array} ight.$

    Random walk normalized Laplacian 

        $L^{r w}=D^{-1} L=I-D^{-1} A$

        $L_{i j}^{r w}=left{egin{array}{ll} 1 & ext { if } i=j ext { and } D_{i i} eq 0 \ -frac{1}{D_{i i}} & ext { if } i eq j ext { and } v_{i} ext { is adjacent to } v_{j} \ 0 & ext { otherwise } end{array} ight.$

    因上求缘,果上努力~~~~ 作者:每天卷学习,转载请注明原文链接:https://www.cnblogs.com/BlairGrowing/p/15321364.html

  • 相关阅读:
    自动发现
    1.1 开启二进制日志
    mysql
    html常见的块元素和行内元素(特别注意个别块元素不能嵌套其他块元素)
    Linux查看物理CPU个数、核数、逻辑CPU个数
    查看linux服务器的系统信息
    谷歌浏览器无法输入中文——解决
    Linux下查看正在使用的端口
    入园第三天-记录
    Visual Studio2015 Community一些必备插件
  • 原文地址:https://www.cnblogs.com/BlairGrowing/p/15321364.html
Copyright © 2011-2022 走看看