回复madprodigy发表于：2012/3/17 22:42:50悬赏金额：
66积分 状态：
已解决
The minimization of Fisher's information (MFI) approach of Frieden et al. [Phys. Rev. E {\bf 60} 48 (1999)] is applied to the study of size distributions in social groups on the basis of a recently established analogy between scale invariant systems and classical gases [arXiv:0908.0504]. Going beyond the ideal gas scenario is seen to be tantamount to simulating the interactions taking place in a network's competitive cluster growth process. We find a scaling rule that allows to classify the final cluster-size distributions using only one parameter that we call the competitiveness. Empirical city-size distributions and electoral results can be thus reproduced and classified according to this competitiveness, which also allows to correctly predict well-established assessments such as the "six-degrees of separation", which is shown here to be a direct consequence of the maximum number of stable social relationships that one person can maintain, known as Dunbar's number. Finally, we show that scaled city-size distributions of large countries follow the same universal distribution.
请翻译高手帮翻译上述文章，多谢！
这是属于信息论应用范畴，没有相关知识，翻译了也看不懂！（我也不很懂，翻的可能不正规）
建基于近来所建立的尺度不变系统和经典气体之间的模拟，Frieden等人的Fisher’s information最小化方法应用于社交群集的大小分布研究
超越理想气体模式被视为等同于模拟在网络中的竞争聚集增长过程所产生的交互作用。我们发现只需要唯一一个参数的尺度法则，容许对最终的聚集规模分布进行分类，这个参数便是竞争力。
依据这个竞争力，实验上的城市规模分布和选举结果因此能被复制和分类。这个竞争力亦能正确预测像６度分离这类成熟的评估方法，在本文可被题示为个体能维持的稳定社交关系最大值的直接结果，而这个最大值被称为Dunbar’s number。最后，我们会展示大型国家的尺度化城市规模分布追随相同的普遍分布。
jjwws 回复于：2012/3/22 16:39:20
Fisher‘s information:
费希尔信息量
英国遗传学家、数理统计的奠基人之一。费希尔生长的年代正值达尔文的“进化论”与麦克斯...在研究相关系数分布的过程中，他推导出有广泛用途的F—分布。与此同时，他进一步发展了估计理论，引入了“费希尔信息量”概念，提出了评价估计量优劣的三个准则……
Frieden 等人 [Phys. Rev. E {\bf 60} 48 (1999)]提出的最小Fisher信息量(MFI) 应用于在最近确立的尺度不变性与经典氛围[arXiv:0908.0504]间的类似性基础上进行的社会团体规模研究。看起来“超出理想氛围预测”几乎等同于“刺激网络竞争聚类成长过程间的相互作用”。我们发现了一个仅使用我们称之为竞争力的这一参数就能够划分最终聚类规模分布的比例规则。根据这种竞争力，能够重现并分类城市规模分布及选择结果，也能正确地预测已经确立的评估理论如“六度分离理论”，该理论在此是一个人所能维持的最大稳定社会关系——顿巴数的直接结果反映。最后，我们认为大国家的城市规模分布遵循同样的普遍分布原则。
rock_rock 回复于：2012/3/21 15:25:24
您现在的位置：