sedist(sna)
sedist()所属R语言包：sna
Find a Matrix of Distances Between Positions Based on Structural Equivalence
找到一个矩阵结构等价基于位置之间的距离
译者：生物统计家园网 机器人LoveR
描述----------Description----------
sedist uses the graphs indicated by g in dat to assess the extent to which each vertex is structurally equivalent; joint.analysis determines whether this analysis is simultaneous, and method determines the measure of approximate equivalence which is used.
sedist使用的图形表示：“g中dat，以评估的程度，每个顶点是结构相同;joint.analysis决定这种分析是否为同声传译，我们可以在听广播或看电视或开会时，和method的确定的措施，这是用来近似等价。
用法----------Usage----------
sedist(dat, g=c(1:dim(dat)[1]), method="hamming",
joint.analysis=FALSE, mode="digraph", diag=FALSE, code.diss=FALSE)
参数----------Arguments----------
参数：dat
a graph or set thereof.
其图形或一组。
参数：g
a vector indicating which elements of dat should be examined.
一个向量的元素dat应检查。
参数：method
one of "correlation", "euclidean", "hamming", or "gamma".
"correlation"，"euclidean"，"hamming"或"gamma"之一。
参数：joint.analysis
should equivalence be assessed across all networks jointly (TRUE), or individually within each (FALSE)?
应等价共同进行评估的所有网络（TRUE），或单独在每个（FALSE）？
参数：mode
"digraph" for directed data, otherwise "graph".
"digraph"定向数据，否则"graph"。
参数：diag
boolean indicating whether diagonal entries (loops) should be treated as meaningful data.
布尔值，指示是否有意义的数据应被视为对角元素（循环）。
参数：code.diss
reverse-code the raw comparison values.
反向代码的原料比较值。
Details
详细信息----------Details----------
sedist provides a basic tool for assessing the (approximate) structural equivalence of actors. (Two vertices i and j are said to be structurally equivalent if i->k iff j->k for all k.) SE similarity/difference scores are computed by comparing vertex rows and columns using the measure indicated by method: <ol> correlation: the product-moment correlation
sedist提供了一个基本的工具，评估的（近似）结构等价的演员。 （两个顶点i和j说是结构上相当于对所有的k，如果I-> K当且仅当J-> K。）SE相似/差异分数计算，通过比较顶点的行和列，使用测量<X >：<OL>的相关性：积矩相关
euclidean: the euclidean distance
欧氏：欧氏距离
hamming: the Hamming distance
海明：海明距离
gamma: the gamma correlation </ol> Once these similarities/differences are calculated, the results can be used with a clustering routine (such as equiv.clust) or an MDS (such as cmdscale).
伽马相关的伽玛</ OL>一旦这些相似/差异计算，其结果可用于与聚类程序（如equiv.clust），或MDS（如cmdscale）的。
值----------Value----------
A matrix of similarity/difference scores
矩阵的相似性/差值
注意----------Note----------
Be careful to verify that you have computed what you meant to compute, with respect to similarities/differences. Also, note that (despite its popularity) the product-moment correlation can give rather strange results in some cases.
要小心，以确认你计算过你的意思来计算，与相似/差异。另外，请注意，尽管它的普及积差相关，在某些情况下，可以给比较奇怪的结果。
（作者）----------Author(s)----------
Carter T. Butts <a href="mailto:buttsc@uci.edu">buttsc@uci.edu</a>
参考文献----------References----------
Burt, R.S. (1976). &ldquo ositions in Networks.” Social Forces, 55, 93-122.
参见----------See Also----------
equiv.clust, blockmodel
equiv.clust，blockmodel
实例----------Examples----------
#Create a random graph with _some_ edge structure[创建一个随机的图形_some_边缘结构]
g.p<-sapply(runif(20,0,1),rep,20) #Create a matrix of edge [创建一个矩阵的边缘]
#probabilities[概率]
g<-rgraph(20,tprob=g.p) #Draw from a Bernoulli graph [从伯努利图绘制]
#distribution[分配]
#Get SE distances[SE的距离]
g.se<-sedist(g)
#Plot a metric MDS of vertex positions in two dimensions[绘制的顶点位置在两个方面度量MDS]
plot(cmdscale(as.dist(g.se)))
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。
|
发表于 2012-9-30 11:01:57
