Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Complex network classification using partially self-avoiding deterministic walks

Texto completo
Autor(es):
Goncalves, Wesley Nunes [1] ; Martinez, Alexandre Souto [2] ; Bruno, Odemir Martinez [1]
Número total de Autores: 3
Afiliação do(s) autor(es):
[1] Univ Sao Paulo, IFSC, Sao Carlos, SP - Brazil
[2] Univ Sao Paulo, FFCLRP, Natl Inst Sci & Technol Complex Syst LNCT SC, BR-14049 Ribeirao Preto, SP - Brazil
Número total de Afiliações: 2
Tipo de documento: Artigo Científico
Fonte: Chaos; v. 22, n. 3 SEP 2012.
Citações Web of Science: 7
Resumo

Complex networks have attracted increasing interest from various fields of science. It has been demonstrated that each complex network model presents specific topological structures which characterize its connectivity and dynamics. Complex network classification relies on the use of representative measurements that describe topological structures. Although there are a large number of measurements, most of them are correlated. To overcome this limitation, this paper presents a new measurement for complex network classification based on partially self-avoiding walks. We validate the measurement on a data set composed by 40000 complex networks of four well-known models. Our results indicate that the proposed measurement improves correct classification of networks compared to the traditional ones. (C) 2012 American Institute of Physics. {[}http://dx.doi.org/10.1063/1.4737515] (AU)

Processo FAPESP: 11/01523-1 - Métodos de visão computacional aplicados à identificação e análise de plantas
Beneficiário:Odemir Martinez Bruno
Linha de fomento: Auxílio à Pesquisa - Regular
Processo FAPESP: 10/08614-0 - Análise de texturas estáticas e dinâmicas e suas aplicações em biologia e nanotecnologia
Beneficiário:Wesley Nunes Gonçalves
Linha de fomento: Bolsas no Brasil - Doutorado