R语言 sna包 centralgraph()函数中文帮助文档(中英文对照)

loveR

centralgraph(sna)
centralgraph()所属R语言包：sna

                                         Find the Central Graph of a Labeled Graph Stack
                                         中央图形的标记图堆栈

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Returns the central graph of a set of labeled graphs, i.e. that graph in which i->j iff i->j in >=50% of the graphs within the set.  If normalize==TRUE, then the value of the i,jth edge is given as the proportion of graphs in which i->j.
返回中央标签图形的一组曲线，即该图中，其中i-> j的，当且仅当ı-> j在> = 50％内的设定的曲线图。如果normalize==TRUE，然后第i，j个边缘是作为图形的比例，其中i-> j的。


用法----------Usage----------


centralgraph(dat, normalize=FALSE)



参数----------Arguments----------

参数：dat
one or more input graphs.
一个或多个输入图表。


参数：normalize
boolean indicating whether the results should be normalized.  The result of this is the "mean matrix".  By default, normalize==FALSE.
布尔值，指示是否应该归的结果。这样做的结果是“均值矩阵”。默认情况下，normalize==FALSE。


Details

详细信息----------Details----------

The central graph of a set of graphs S is that graph C which minimizes the sum of Hamming distances between C and G in S.  As such, it turns out (for the dichotomous case, at least), to be analogous to both the mean and median for sets of graphs.  The central graph is useful in a variety of contexts; see the references below for more details.
由中央的一组曲线图的曲线图小号的是，曲线图，C的最小化S中的C和G之间的汉明距离的总和，因此，事实证明，满分（为二分的情况下，至少），类似于两个平均值的中位数套图。中央图在各种情况下是有用的，有关详细信息，请参阅下面的参考资料。


值----------Value----------

A matrix containing the central graph (or mean matrix)
包含中央图（或平均矩阵的矩阵）


注意----------Note----------

0.5 is used as the cutoff value regardless of whether or not the data is dichotomous (as is tacitly assumed).  The routine is unaffected by data type when normalize==TRUE.
使用0.5作为截止值的数据是否是二分（作为默认假定）无关。该例程是不受数据类型时normalize==TRUE。


（作者）----------Author(s)----------


Carter T. Butts <a href="mailto:buttsc@uci.edu">buttsc@uci.edu</a>



参考文献----------References----------

Banks, D.L., and Carley, K.M.  (1994).  &ldquo;Metric Inference for Social Networks.&rdquo;  Journal of Classification, 11(1), 121-49.

参见----------See Also----------

hdist
hdist


实例----------Examples----------


#Generate some random graphs[随机生成一些图表]
dat<-rgraph(10,5)
#Find the central graph[中央图]
cg<-centralgraph(dat)
#Plot the central graph[绘制中央图]
gplot(cg)
#Now, look at the mean matrix[现在，看看均值矩阵]
cg<-centralgraph(dat,normalize=TRUE)
print(cg)

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。