跳到内容

通过随机添加/删除边，从给定图生成一个新的随机图

来源: R/games.R
sample_correlated_gnp.Rd

通过扰乱给定图的邻接矩阵并打乱其顶点来采样一个新图。

用法

sample_correlated_gnp(
  old.graph,
  corr,
  p = edge_density(old.graph),
  permutation = NULL
)

参数

old.graph

原始图。

corr

一个单位区间内的标量，原始图和生成的图的邻接矩阵之间的目标皮尔逊相关性（邻接矩阵用作向量）。

p

一个数值标量，两个顶点之间存在边的概率，它必须在 (0,1) 开区间内。 默认值是图的经验边密度。 如果您正在重新采样 Erdős-Rényi 图，并且您知道 Erdős-Rényi 模型的原始边概率，则应明确提供该概率。

permutation

一个数值向量，一个排列向量，应用于第一个图的顶点以获得第二个图。 如果 NULL，则不会置换顶点。

值

一个与 old.graph 大小相同的无权图，使得两个邻接矩阵的条目之间的相关系数为 corr。 请注意，每对对应的矩阵条目都是一对相关的伯努利随机变量。

详细信息

请参阅下面给出的参考文献。

参考文献

Lyzinski, V., Fishkind, D. E., Priebe, C. E. (2013). Seeded graph matching for correlated Erdős-Rényi graphs. https://arxiv.org/abs/1304.7844

参见

随机图模型（游戏） bipartite_gnm(), erdos.renyi.game(), sample_(), sample_bipartite(), sample_chung_lu(), sample_correlated_gnp_pair(), sample_degseq(), sample_dot_product(), sample_fitness(), sample_fitness_pl(), sample_forestfire(), sample_gnm(), sample_gnp(), sample_grg(), sample_growing(), sample_hierarchical_sbm(), sample_islands(), sample_k_regular(), sample_last_cit(), sample_pa(), sample_pa_age(), sample_pref(), sample_sbm(), sample_smallworld(), sample_traits_callaway(), sample_tree()

correlated_game().

示例

g <- sample_gnp(1000, .1)
g2 <- sample_correlated_gnp(g, corr = 0.5)
cor(as.vector(g[]), as.vector(g2[]))
#> [1] 0.5002114
g
#> IGRAPH cd7c6c9 U--- 1000 49769 -- Erdos-Renyi (gnp) graph
#> + attr: name (g/c), type (g/c), loops (g/l), p (g/n)
#> + edges from cd7c6c9:
#>  [1]  1-- 7  4-- 7  1-- 8  2--10  9--11 10--12  6--13  6--14 12--14  1--15
#> [11]  7--16  7--17 12--17 13--17 16--17 12--18  5--21  6--21 13--22  4--23
#> [21]  8--23 15--23  6--24 19--24 20--24 21--24  2--25 18--25  2--26  4--26
#> [31]  7--26  4--27  8--27 24--27  1--28 13--28 18--28  1--29 17--29  5--30
#> [41] 13--30 26--30  5--31 12--31 21--31  9--32 17--33 18--33  6--34 18--34
#> [51] 25--34 32--34 11--35 33--35  1--36 10--36 21--36  6--37 11--37 13--37
#> [61] 15--37 17--37  7--38 13--38 24--38 30--38  2--39  3--39 21--39 35--39
#> [71]  4--40  4--41  8--41  9--41 36--41 37--41  1--42 19--42 23--42 29--42
#> + ... omitted several edges
g2
#> IGRAPH 35e18ba U--- 1000 49866 -- Correlated random graph
#> + attr: name (g/c), corr (g/n), p (g/n)
#> + edges from 35e18ba:
#>  [1]  2-- 4  4-- 5  1-- 7  4-- 7  2--10  6--14  7--16 13--17 16--17 13--20
#> [11] 17--20  6--21  4--23  8--23 15--23 20--24 10--25 15--25 18--25 24--26
#> [21]  4--27 24--27 25--27 13--28 18--28 13--29 28--29  5--30 13--30  5--31
#> [31] 12--31 13--31 21--31 22--31 16--33 24--33 26--33  5--34  6--34 25--34
#> [41] 18--35 31--35  1--36  9--36 10--36 27--36  6--37  7--37 11--37 13--37
#> [51] 15--37 17--37 13--38 21--38 24--38 29--38  2--39 21--39 35--39  4--40
#> [61]  8--41  9--41 32--41 11--42 12--42 23--42 29--42 32--42 39--42  3--43
#> [71]  5--43  6--43 11--43 27--43 39--43  7--44 10--44 15--44 39--44 23--45
#> + ... omitted several edges