基于经典指标融合的复杂网络链路预测

发布时间：2021-03-06 12:32

　　近年来,越来越多的人力物力开始投入到复杂网络的研究当中。链路预测作为复杂网络中一个重要的研究方向,也受到了大量的关注。链路预测就是利用网络现有的信息,通过一定的方法,预测那些网络中未被观测到的边或者在网络演化过程中将来会出现的边。链路预测在生物领域、计算机科学领域、社会科学领域等领域都有着极为广泛的应用,不仅具有实际应用价值,也有重要的理论研究意义。链路预测算法在近些年也取得了不小的成果,各种各样的链路预测算法不断被提出,这些算法主要分成了基于相似性的链路预测算法和基于最大似然的链路预测算法两类。而其中基于相似性的预测算法发展最快,成为了链路预测领域的主流算法,其特点为简单和具有较高的预测精度。另外基于最大似然的预测算法虽然在计算精度和运算复杂度上表现一般,但这些算法可以加深对于网络结构的理解。这些基于相似性算法中的每一个相似性指标都有其优势和劣势。如何最大化地发挥一个指标的优势,同时尽可能避免这个指标的缺点,是本文关注的方向。本文中首先将局部路径指标（Local Path,LP）和偏好连接相似性指标（Preferential Attachment,PA）巧妙地结合起来,得到了一个新的... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 复杂网络简介及研究现状
    1.2 链路预测的研究意义以及研究现状
    1.3 文章内容安排
第二章 链路预测介绍及其相关算法
    2.1 问题描述
    2.2 链路预测算法介绍
        2.2.1 基于相似性的链路预测算法
        2.2.2 基于似然分析的链路预测算法
    2.3 网络数据
第三章 基于PA指标与LP指标融合的链路预测
    3.1 引言
    3.2 主要方法
        3.2.1 PA指标低阶LP指标的融合
        3.2.2 PA指标与三阶LP指标的融合
        3.2.3 算法实现
    3.3 实验结果和分析
        3.3.1 LPA指标和LPAT指标的预测准确性
        3.3.2 LPA指标和LPAT指标的鲁棒性
    3.4 本章总结
第四章 基于结构扰动和RA指标融合的链路预测
    4.1 引言
    4.2 算法介绍
    4.3 实验过程介绍
    4.4 实验数据
        4.4.2 SPRA指标预测的准确性分析
        4.4.3 SPRA指标的鲁棒性分析
    4.5 本章总结
第五章 基于网络优化去噪的链路预测
    5.1 引言
    5.2 算法介绍
        5.2.1 利用相似性指标评价网络已知边
        5.2.2 网络的去边过程
        5.2.3 网络信息的补充
    5.3 算法实现
    5.4 实验结果及分析
    5.5 本章总结与扩展
第六章 总结与展望
    6.1 本文总结
    6.2 展望
参考文献
致谢
作者简介



本文编号：3067110