1.1 社会网络分析法是用来分析行动者间关系的方法,评价的是关系数据,而不是属性数据。属性数据是可以独立存在于行动者上的(如年龄、性别、学历等),能作为单变量进行分析;关系数据则是关于接触、联络、关联、群体依附等方面数据,这类数据把一个行动者与另一个行动者联系在一起,因而不能还原为单个行动者本身的属性,如国家间的贸易往来关系、旅游联系等。关系数据的表达有两种形式:一是矩阵、二是社群图,这里讲矩阵,矩阵是ucinet软件进行分析的输入。
1.2 对关系数据的测量依据两个维度(关系是否“有向”以及关系是否“多值”)进行划分呈现4种测量层次的矩阵。
a和b是无向矩阵,矩阵的上半部分是下半部分的“映射”,即1对2的关系和2对1的关系是等同的;c和d是有向矩阵,如c,1对3的关系和3对1的关系是不等同的。“-”是因为自身和自身关系没有研究意义(是否有意义、是否纳入实际分析中取决于自身研究中对角线值的地位)。
二值矩阵中“0”代表无关系,“1”表示两者有关系;多值矩阵即表示存在0/1之外的数值,
多值表示的是关系的强弱而不止关系的有无
。
实际情况下既可以对多值矩阵进行分析,也可转换为二值矩阵进行分析。此处只谈二值矩阵的转换问题。
2.1 多值数据转换为二元数据:用一个临界点对各个格值进行“切分”,尽管会损失一些信息。**在切分过程中,研究者只选择那些高于某一层次值的关系,并视之为显著关系。**高于该层次的所有值都被切开,从而构建一个新矩阵,其中高于此层次的值都用“1”表示,等于或者低于该值的格值用“0”来替代,从而形成一个新的二值矩阵。(《社会网络分析法》—约翰·斯科特,刘军译)
(有向矩阵也可以下降为无向矩阵进行多值二值化,此种情况下只需考虑两者间关系的有无即可,如在有向矩阵中1对2有关系,2对1无关系,下降为无向矩阵时无论1对2还是2对1格值均为1,因为两者间存在关系)
2.2 如何定义“显著关系”?
在社会网络分析法一书中第五章有一个说法:
在各个值的分布中存在一个“自然的断裂”,在这些值之间画出一个界线
。
(因为在书中第三章提及矩阵转化时作者言在第五章会提及划分的方法,但是看了几遍都没发现明显指向性的划分方法,可能是融于书中讲述了,所以只能自己把可能相关的内容提取一下)
看起来还是比较模糊,只能参考文献的做法了:
①示性函数(我看不懂这个概念,有人懂就行)
②阈值取均值
在所看文献里,有以整个矩阵格值均值作为阈值的;也有每行取一个阈值进行每行关系的判断的,此时阈值就取该行格值的均值。
③有点取“自然断点值”的意味
不懂自然断点的可以百度一下,这里解释起来有点口水话。
这里只是提供自己的看法:因为阈值是用来判断关系的“有无”,所以可以从平均水平入手,低于平均水平即认为没有关系,高于平均水平认为有关系,扣1;如果是有向矩阵的话,每行可以各取一个阈值,因为本身就是针对这行i与列j进行关系的判断,每行的情况还是因行而异的,整个矩阵中每行只要按平均值作为阈值这样一个标准进行判断。如果矩阵值本身就存在较明显的断点,也是可取自然断点值作为阈值的。
如果有可能推荐可以多尝试直接用做多值矩阵的分析,时间问题我还没有研究过。这里可以放一个相关图。
这里写自定义目录标题矩阵二值化1.基础知识2.多值矩阵转换为二值矩阵矩阵二值化由于毕设用到社会网络分析法所以研究了一下,其中遇到了“阈值”确定这个痛点,网上资源也没看到直接相关,所以看了一下刘军老师翻译的约翰·斯科特《社会网络分析法》以及文献悟了一下,以下为个人见解,仅供参考,欢迎交流。1.基础知识1.1 社会网络分析法是用来分析行动者间关系的方法,评价的是关系数据,而不是属性数据。属性数据是可以独立存在于行动者上的(如年龄、性别、学历等),能作为单变量进行分析;关系数据则是关于接触、联络、关联、群
Social
Network
Analysis
: Interdisciplinary Approaches and Case Studies by Xiaoming Fu
English | 20 Apr. 2017 | ISBN: 1498736645 | 412 Pages | PDF | 10.26 MB
The book addresses the issue of interdisciplinary understanding of collaboration on the topic of
social
network
studies. Researchers and practitioners from various disciplines including sociology, computer science, socio-psychology, public health, complex systems, and management science have worked largely independently, each with quite different principles, terminologies, theories. and methodologies. The book aims to fill the gap among these disciplines with a number of the latest interdisciplinary collaboration studies.
所谓
矩阵
阈值
化,比如将
矩阵
中
的小于某一
阈值
的元素全部被置零。>> A = randn(3, 4)A = 0.5377 0.8622 -0.4336 2.7694
1.8339 0.3188 0.3426 -1.3499
-2.2588 -1.3077 3.5784 3.0349>> A .* (A > 0)ans = 0.53
二值化
是图像处理
中
最为常见的处理方式,最近做完毕业设计,然后对图像
中
二值化
处理方式进行整理和分类,主要包括:最大类间方
法
法
(OSTU),迭代
阈值
法
,P分位
法
,基于最小误差的全局
阈值
法
,局部
阈值
法
,全局
阈值
与局部
阈值
相结合的方
法
;以下使用matlab编写的算
法
。
1、最大类间方差
法
:
%
二值化
方
法
%OSTU方
法
:最大类间方差
法
function Img = OstuFun(I)
%
二值化
(2)Dichitimize:
二值化
处理
Symmetrize:按照一定标准,将数据
矩阵
对称化处理
Normalize:按照一定标准,将
矩阵
的行、列或者整个
矩阵
进行标准化处理。
矩阵
二值化
对于一个MI
矩阵
来说,
二值化
就是选择一个合适的
阈值
,如果MI值大于
阈值
,则记为1,如果MI值小于
阈值
,则记为0 。按照此方
法
,依次处理
矩阵
中
的每个值,就能得到二值
矩阵
。
在解决该问题时遇到的难点和问题
观察得到的MI
矩阵
可以发现,不同被试者不同次实验
中
,有些实验数据差别较大,所以重点就在于
阈值
的选择。
刚开始是这样...
对称化处理就是把有向的
网络
转化成无向的
网络
对称化操作[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-6pf4YjcV-1622202430679)(C:\Users\74743\AppData\Roaming\Typora\typora-user-images\image-20210504163822539.png)]
网络
分析
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-gAnwuhpC-1622202430682)(C:\U...
目录一、什么是社会
网络
?二、社会
网络
的形式化表达1.图形表达2.
矩阵
表达三、社会
网络
的分类1.自我
中
心
网络
(Ego-centered
Network
s)2.整体
网络
(Whole
Network
s)1.有向图(Directed)2.无向图(Undirected)1.二分类2.多分类3.定序关系4.定距关系1.1-模网2.2-模网1.二值图2.符号图3.赋值图1.完备图2.非完备图
一、什么是社会
网络
?
一个社会
网络
是由多个节点和节点之间的多种关系组成的集合。
社会
网络
的形式化界定:点 + 线
点:可以是任何
1.首先找出所有孔洞的位置,只需知道洞
中
的一个点的坐标即可,下面直接以改点代替该洞
2.新建一张全零图,用0表示背景,1表示前景,大小与原图相同
(1)取出一个洞的坐标,在新图
中
该位置表1
(2)对该新图用一个结构元进行膨胀,然后再与原图的反(孔洞的地方应全为1)求与
(3)如果检测到一次操作完的结果与操作前相同,则...
承接低秩
矩阵
恢复模型笔记,记录第一个低秩
矩阵
恢复算
法
——奇异值
阈值
(Singular Value Thresholding, SVT),记录学习内容,内容非原创。
1奇异值分解(Singular Value Decomposition,SVD)
设X∈Rm×nX\in R_{m\times n}X∈Rm×n,定义X=UΣVTX=U\Sigma V^TX=UΣVT其
中
,U,V为正交
矩阵
,Σ\Sig...