- 综合排序
- 最热优先
- 最新优先
- 来自专栏全栈程序员必看
ucinet网络分析实例(网络分析app)
UCINET包含大量包括探测凝聚子群（cliques, clans, plexes）和区域（components, cores）、中心性分析（centrality）、个人网络分析和结构洞分析在内的网络分析程序 其余两个中心性的解释根据公式和网络分析图结合起来说明更加有真实性与连贯性，在建模中，这就是基本的网络分析了。 六个主要的社会网络分析软件的比较 [2]. 网络的介数中心性(betweenness)及计算方法 [3]. SNA(社会网络分析)——三种中心度总结 [4]. 《社会网络分析法》(刘军 译) [5]. 薛萍. 基于社会网络的研究型高校优势学科方向发展预测研究 [D]. 导师: 朱凌. 浙江大学,2014 [6]. 社会网络分析方法简介 发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/127388.html原文链接：https://javaforall.cn
4.7K20编辑于 2022-08-01 - 来自专栏全栈程序员必看
MaskRCNN RPN网络分析
在每个锚生成5种大小和3种形状的候选框（每层特征对应一种大小，每个锚点对应3种形状）。并进行两层卷积后，做前景与背景的分类，与候选框的偏移量回归。与目标重叠> = 0.7则为前景，与目标重叠<= 0.3则为背景，其余框去掉。
1K20编辑于 2022-09-10 - 来自专栏敲得码黛
Docker桥接网络分析
使用ip link查看本机网卡列表，可以发现宿主机存在一个名为docker0的虚拟网桥，且虚拟网桥下有四对虚拟网卡分别对应 debian、halo、redis、mysql四个docker容器。
48210编辑于 2024-06-12 - 来自专栏宜信技术实践
Kubernetes网络分析之Flannel
Flannel是cereos开源的CNI网络插件，下图flannel官网提供的一个数据包经过封包、传输以及拆包的示意图，从这个图片中可以看出两台机器的docker0分别处于不同的段：10.1.20.1/24 和 10.1.15.1/24 ，如果从Web App Frontend1 pod（10.1.15.2）去连接另一台主机上的Backend Service2 pod（10.1.20.3），网络包从宿主机192.168.0.100发往192.168.0.200，内层容器的数据包被封装到宿主机的UDP里面，并且在外层包装了宿主机的IP和mac地址。这就是一个经典的overlay网络，因为容器的IP是一个内部IP，无法从跨宿主机通信，所以容器的网络互通，需要承载到宿主机的网络之上。
2.5K40发布于 2019-06-28 - 来自专栏用户8870853的专栏
社会网络分析相关概念概述
三、 凝聚子群（Co⁃hesive Subgroup）分析是社会网络分析中的重要方法，其目的是为了揭示社会行动者之间实际存在的或者潜在的关系。 当网络中某些行动者之间的关系特别紧密，以至于结合成一个次级团体时，社会网络分析称这样的团体为凝聚子群。 社会网络分析方法中的核心—边缘结构分析可以对网络“位置”结构进行量化分析，区分出网络的核心与边缘 偏心率（Eccentricity）： 从一个给定起始点到距离它最远节点的距离。
1.9K20发布于 2021-07-27 - 来自专栏人工智能LeadAI
CNN卷积神经网络分析
CNN最大的优势在特征提取方面。由于CNN的特征检测层通过训练数据进行学习，避免了显示的特征抽取，而是隐式地从训练数据中进行学习；再者由于同一特征映射面上的神经元权值相同，所以网络可以并行学习，这也是卷积网络相对于神经元彼此相连网络的一大优势。主要用来识别位移、缩放及其他形式扭曲不变性的二维图形。
93210发布于 2018-07-26 - 来自专栏Linux内核深入分析
linux网络分析之回环网卡
/* 所谓回环网卡， 就是一个虚拟网卡。 既然是虚拟网卡那么就和硬件没关系。 * 在linux主机上输入"ifconfig" 看见eth 和 lo。 其中lo就是所谓的虚拟网卡，即回环网卡 * 本节主要分析这个虚拟网卡的驱动程序 */ struct pcpu_lstats { u64 packets; u64 bytes; struct u64_stats_sync syncp; }; /* 因为是虚拟网卡， 所以就不需要暂停数据传输， 当然也不需要唤醒。 因为不需要写入寄存器
2.7K20编辑于 2022-05-08 - 来自专栏全栈程序员必看
贝叶斯网络分析软件Netica
贝叶斯网络分析软件Netica使用方法 软件介绍 Netica软件是由NORSYS software corp.出品，是目前世界上应用最广泛的贝叶斯网络分析软件，以简单、可靠、高效的目的开发软件。 首先进行贝叶斯网络分析，需要构建网络network，方法有3种： File–New–Network Ctrl+N File正下方的按钮图标 构建网络之后会发现软件中的功能键变成彩色，可以使用，
6.3K10编辑于 2022-08-31 - 来自专栏魂祭心
btcd p2p 网络分析
btcd p2p 网络分析 比特币依赖于对等网络来实现信息的共享与传输，网络中的每个节点即可以是客户端也可以是服务端，本篇文章基于比特币go版本btcd探索比特币对等网络的实现原理，整个实现从底层到上层可以分为地址
1.8K20发布于 2019-03-12 - 来自专栏yeedomliu
Wireshark网络分析从入门到实践
这种模式对于使用Wireshark这样的网络分析工具来捕获和分析网络数据是非常重要的。
1.7K30编辑于 2023-11-20 - 来自专栏生信小驿站
社交网络分析(Social Network Analysis in Python)①
首先让我们从社交网络的含义开始。 下面你会看到一个宝莱坞演员网络作为节点。 如果他们在至少一部电影中合作，他们就会用实线连接。所以，我们可以看到Amitabh Bachchan和Abhishek Bachchan都与网络中的所有演员合作，而Akshay Kumar只与两个Bachchans合作。 这也是一个社交网络。 任何具有个人之间联系的网络，其中连接捕获它们之间的关系是社交网络。 分析这些网络可以让我们深入了解网络中的人，比如谁是真正的影响者，谁是最相关的，等等。
3.7K21发布于 2019-02-22 - 来自专栏FPGA开源工作室
【vivado约束学习三】 时钟网络分析
【vivado约束学习三】 时钟网络分析 时钟网络反映了时钟从时钟引脚进入FPGA后在FPGA内部的传播路径。
2.1K20发布于 2019-10-29 - 来自专栏用户6291251的专栏
人物社交网络分析—平凡的世界
上一期的推送，小F做了一些社交网络分析的前期工作。 传送门：Python数据可视化：平凡的世界 比如获取文本信息，人物信息。 最后生成一个人物出现频数词云图。 本次来完成剩下的工作。 实现《平凡的世界》的人物社交网络分析。 / 01 / 人物联系 人物社交网络分析是用来查看节点、连接边之间社会关系的一种分析方法。 节点是社交网络里的每个参与者，连接边则表示参与者之间的关系。
1.5K20发布于 2020-10-09 - 来自专栏拓端tecdat
R语言网络分析友谊悖论案例
p=17906 本文简要介绍一下网络分析，我想提供一些有关“友谊悖论”的R语言例证。
67110发布于 2020-11-30 - 来自专栏Y大宽
WGCNA:加权基因共表达网络分析
加权基因表达网络分析（Weighted gene co-expression network analysis, WGCNA），又叫权重基因共表达网络分析，其根本思想是根据基因表达模式的不同，挖掘出相似表达模式的基因
4.2K53发布于 2019-05-20 - 来自专栏机器学习与统计学
二.theano实现回归神经网络分析
从本篇文章开始，作者正式开始研究Python深度学习、神经网络及人工智能相关知识。第一篇文章主要讲解神经网络基础概念，同时讲解Theano库的安装过程及基础用法，主要结合 "莫烦大神" 的视频介绍，后面随着深入会讲解具体的项目及应用。基础性文章，希望对您有所帮助，也建议大家一步步跟着学习，同时文章中存在错误或不足之处，还请海涵~
58030发布于 2019-04-10 - 来自专栏小明的数据分析笔记本
加权基因共表达网络分析（WGCNA）实例
这里运行R语言包GDCRNATools的帮助文档中的例子获得胆管癌的rna表达矩阵
2.8K21发布于 2020-03-23 - 来自专栏用户7627119的专栏
代谢通路和信号传导网络分析工具
该数据库是关于基因、蛋白、酶代谢子、药物、生化反应以及通路的综合数据库。该数据库实际由多个子数据库构成，最著名的当属通路KEGG PATHWAY数据库，它是目前被广泛使用的通路数据库。其中包含上千个物种的代谢与信号传导通路信息，这些信息从生物学实验和文献中提取，并经过人工校正。实时更新的管理模式也是人们能够从该数据库获得最新的通路数据。
1.4K30发布于 2020-08-28 - 来自专栏C/C++进阶专栏
基于Python的社交网络分析与实践
一，社交网络基础 1.社交网络分析的基本概念 社交网络分析(Social Network Analysis，简写为SNA)，又称为社会网络分析，是指基于信息学、数学、社会学、管理学、心理学等多学科的融合理论和方法 社交网络分析涉及的理论很广泛，有网络科学、复杂网络分析、图神经网络等。 社交网络中的连接强度划分： a.强连接：通常指那些紧密而频繁的关系，这种连接是双向的、交互频繁的。 社交网络分析中的连接强度揭示了社交网络的结构特点，如中心化程度、群组划分程度等。对强连接和弱连接的了解有助于分析社区的凝聚力和资源流动等现象。 2.节点的中心性分类 社交网络分析中的节点中心性主要指衡量网络中每个节点的重要性的指标，它可以帮助我们识别哪些个体在网络中扮演关键角色、帮助我们找出信息传播的关键路径等。 了解节点中心性有助于我们在社交网络分析中识别关键人物、意见领袖，或者是信息传播的核心节点。 (1).点度中心性(Degree Centrality)： 最简单的衡量方法，即一个节点的度数。
1.7K10编辑于 2024-07-25 - 来自专栏前端进阶学习交流
Python人物社交网络分析—平凡的世界
上一期的推送，小F做了一些社交网络分析的前期工作。 传送门：Python数据可视化：平凡的世界 比如获取文本信息，人物信息。 最后生成一个人物出现频数词云图。 本次来完成剩下的工作。 实现《平凡的世界》的人物社交网络分析。 / 01 / 人物联系 人物社交网络分析是用来查看节点、连接边之间社会关系的一种分析方法。 节点是社交网络里的每个参与者，连接边则表示参与者之间的关系。
2K10发布于 2020-11-26
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号