©著作权归作者所有：来自51CTO博客作者拓端tecdat的原创作品，请联系作者获取转载授权，否则将追究法律责任
原文链接： http://tecdat.cn/?p=17654
在现实世界中，我们的生活受到大量网络的支配。网络流可以表示很多模型，比如管道中的石油、高压线中电流，或者计算机网络中的数据。网络流也可以解决很多问题，比如如何进行道路交通管控，以便有效地缓解早高峰的拥堵；在物流网运输中，在满足供需关系的同时，怎样使渠道成本最低。这些问题都有现成的网络流算法，别再以为网络流仅仅是网络中的比特流。
对于网络和网络流的实践，我们将使用R。
myflows <- flows(mat = nav, i = "i", j = "j", diag(myflows) <- 01.2.3.
选择流量至少要占每个市区流出流量总和的20％。
flows(myflows/rowSums(myflows)*1001.
然后选择 主要流量 （流入流量标准）
flowSel2 <- domflows(mat = myflows, w = colSums(m flowSel <- myflows * flowSel1 * flowSel2 data.frame(id = colnames(myflows), 1.2.3.
最后绘制主导流图
opar <- par(mar = c(0,0,2,0)) pltFlows(mat = flowSel, spdfid = "ID", w = inflows, wid = "id",wvar = "w", wcex = 0.05, add = TRUE,legend.flows.pos = "topright",legend.flows.title = title("通勤者的主要流动")1.2.3.4.
获取背景图的代码基于该包中定义的 GE对象。
要进一步了解 主流流量，请阅读 Nystuen＆Dacey（1961）
最受欢迎的见解
1. 采用spss-modeler的web复杂网络对所有腧穴进行分析
2. 用R语言和python进行社交网络中的社区检测
3. R语言文本挖掘NASA数据网络分析，tf-idf和主题建模
4. 在R语言中使用航空公司复杂网络对疫情进行建模
5. python隶属关系图模型 基于模型的网络中密集重叠社区检测
6. 使用Python和SAS Viya分析社交网络
7. 关联网络分析：已迁离北京外来人口的数据画像
8. 情感语义网络： 游记数据感知旅游目的地形象
9. 用关联规则数据挖掘探索药物配伍中的规律
赞 收藏 评论 举报
相关文章
