[论文解读] The Covariance of Topological Indices that Depend on the Degree of a Vertex

Boris Hollas|ArXiv.org|Apr 28, 2004

Graph theory and applications参考文献 3被引用 24

一句话总结

本文推导出随机图中基于度数的拓扑指数与边数协方差为零的充要条件。通过使用边概率与 1/n 成比例的随机图模型，证明了当且仅当涉及函数 f 的度数加权和的极限为零时，协方差消失，为分子图分析中不相关的拓扑指数提供了理论基础。

ABSTRACT

We consider topological indices I that are sums of f(deg(u)) f(deg(v)), where {u,v} are adjacent vertices and f is a function. The Randi{ć} connectivity index or the Zagreb group index are examples for indices of this kind. In earlier work on topological indices that are sums of independent random variables, we identified the correlation between I and the edge set of the molecular graph as the main cause for correlated indices. We prove a necessary and sufficient condition for I having zero covariance with the edge set.

研究动机与目标

• 确定基于顶点度数的拓扑指数与分子图中边数不相关的条件。
• 解决定量构效关系（QSAR）研究中拓扑指数持续相关的问题。
• 将先前关于独立顶点属性的研究扩展到更现实的情况，即顶点属性依赖于度数。
• 建立使用基于度数的函数构造不相关拓扑指数的理论框架。
• 提供 I_X 与 I_1 之间协方差为零的判据，提升化学信息学中统计结果的可靠性。

提出的方法

• 使用 Erdős–Rényi 随机图模型 G(n, α/n) 建模分子图，确保期望边数随顶点数线性增长。
• 将拓扑指数定义为 I_X = (1/2) Σ_{u~v} f(deg(u))f(deg(v))，其中 f 是满足 f(0)=0 的实值函数。
• 利用条件期望和边指示变量，解耦顶点度数之间的依赖关系。
• 在大随机图中应用泊松近似，表明 deg(v) 依分布收敛于参数为 α 的泊松(α)分布。
• 推导 f(S_n) 的渐近期望，其中 S_n = k + ∑_{j=k+2^n} 1_j，得到 δ_f^{(k)} = E[f(k + Poi(α))]。
• 通过幂级数和解析函数的恒等定理论证，证明 I_X 与 I_1 的协方差为零当且仅当 lim_{n→∞} δ_f^{(1)} = 0。

实验结果

研究问题

• RQ1 在大随机图中，基于度数的拓扑指数与边数协方差为零的条件是什么？
• RQ2 顶点属性对度数的依赖如何影响拓扑指数的相关结构？
• RQ3 能否构造一个函数 f，使得由此产生的拓扑指数与边数不相关？
• RQ4 在边概率为 α/n 的随机图中，f(deg(v)) 的期望的渐近行为如何？
• RQ5 是否存在 I_X 与 I_1 在大图极限下协方差为零的必要且充分条件？

主要发现

• 当且仅当 lim_{n→∞} δ_f^{(1)} = 0 时，拓扑指数 I_X 与边数 I_1 的协方差在 n → ∞ 的极限下为零。
• 量 δ_f^{(k)} = E[f(k + Poi(α))] 渐近独立于 n，支持其作为指数行为稳定度量的使用。
• 对于满足 f ∈ O(x) 的函数 f，条件 δ_f^{(1)} = 0 确保 I_X 与 I_1 不相关，从而可构造去相关指数。
• 证明依赖于幂级数展开和解析函数的恒等定理，表明 δ_f^{(1)} = 0 意味着除非满足级数条件，否则 f ≡ 0。
• 该结果通过引入现实的度数相关函数（如 Randić 和 Zagreb 指数中的函数）推广了先前关于独立顶点属性的研究成果。
• 该框架允许通过减去 δ_f^{(1)} 调整 f，以生成与边数不相关的指数，从而提升 QSAR 建模中的统计稳健性。