【摘要】：現(xiàn)實(shí)世界中,存在著許許多多的復(fù)雜系統(tǒng),如交通、生物以及信息系統(tǒng)等等,這些復(fù)雜系統(tǒng)可以用網(wǎng)絡(luò)來進(jìn)行描述。系統(tǒng)中的個(gè)體可以用網(wǎng)絡(luò)中的節(jié)點(diǎn)來表示,而個(gè)體之間的交互關(guān)系或者聯(lián)系用連邊來表示。復(fù)雜網(wǎng)絡(luò)會(huì)隨著時(shí)間進(jìn)行演化,同樣其中所蘊(yùn)含的信息也會(huì)不斷變化。而網(wǎng)絡(luò)中的連邊作為個(gè)體之間交互信息的載體,對(duì)其進(jìn)行挖掘與研究顯得非常必要。鏈路預(yù)測(cè)就是一種挖掘網(wǎng)絡(luò)連邊信息的重要手段,它不僅可以挖掘出網(wǎng)絡(luò)中未知的隱含信息,也可以發(fā)現(xiàn)一些缺失信息,是對(duì)網(wǎng)絡(luò)不完整性進(jìn)行補(bǔ)全的一種手段。隨著鏈路預(yù)測(cè)問題研究的不斷深入,多種類型的算法被提出。其中,基于相似性的鏈路預(yù)測(cè)方法受到越來越多的關(guān)注。該方法的一個(gè)關(guān)鍵問題就是如何來定義節(jié)點(diǎn)之間的相似性。通�？梢詫⑼�?fù)渚W(wǎng)絡(luò)中的各種信息融合在一起來定義節(jié)點(diǎn)之間的相似性,其中最重要的信息是節(jié)點(diǎn)屬性和網(wǎng)絡(luò)結(jié)構(gòu)。使用節(jié)點(diǎn)屬性信息有較高的預(yù)測(cè)精度,但是收集這些信息是不易的,即使可以獲得節(jié)點(diǎn)屬性信息,從這些復(fù)雜的信息中鑒別出哪些信息對(duì)預(yù)測(cè)有用處也是較為困難的事。相對(duì)的,網(wǎng)絡(luò)結(jié)構(gòu)信息獲取簡(jiǎn)單且容易篩選。并且,基于網(wǎng)絡(luò)結(jié)構(gòu)的鏈路預(yù)測(cè)方法具有普遍適用性。然而,現(xiàn)階段對(duì)基于網(wǎng)絡(luò)結(jié)構(gòu)的鏈路預(yù)測(cè)算法研究還不夠深入,對(duì)哪種網(wǎng)絡(luò)結(jié)構(gòu)對(duì)連邊有影響的挖掘還不充分�；诖�,本文利用網(wǎng)絡(luò)結(jié)構(gòu)定義了 2種計(jì)算節(jié)點(diǎn)相似性的方法,提出2種新的鏈路預(yù)測(cè)算法。主要工作與貢獻(xiàn)如下:1.在實(shí)際網(wǎng)絡(luò)中,由于網(wǎng)絡(luò)局部拓?fù)浣Y(jié)構(gòu)是不同的并且不同的節(jié)點(diǎn)自身屬性也具有差異性,每個(gè)節(jié)點(diǎn)所代表的影響力是不同的,相應(yīng)的對(duì)連邊產(chǎn)生的貢獻(xiàn)度也是不同的。還有共同鄰居節(jié)點(diǎn)之間連接的緊密度一定程度上反映了節(jié)點(diǎn)自身所在的局部子網(wǎng)絡(luò)的緊密程度,這也可能影響子網(wǎng)絡(luò)中節(jié)點(diǎn)之間的連邊。因此,本文定義了共同鄰居節(jié)點(diǎn)的貢獻(xiàn)度以及共同鄰居之間的鏈接緊密度,將兩者結(jié)合提出一種新的鏈路預(yù)測(cè)算法,簡(jiǎn)稱LDNC(Link Density and Node Contribution)算法。將該算法在9個(gè)真實(shí)數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn),用AUC和Precision評(píng)價(jià)指標(biāo)和五個(gè)算法進(jìn)行了對(duì)比,結(jié)果表明LDNC算法是十分有效的。2.由于每個(gè)節(jié)點(diǎn)或每條路徑在網(wǎng)絡(luò)中所處位置的不同,它們對(duì)于網(wǎng)絡(luò)其他部分的影響也是各不相同的。體現(xiàn)在鏈路預(yù)測(cè)中,就是不同的節(jié)點(diǎn)和路徑對(duì)網(wǎng)絡(luò)中的節(jié)點(diǎn)對(duì)是否產(chǎn)生連邊影響力是不同的。這個(gè)影響力我們用節(jié)點(diǎn)和路徑的權(quán)重來表示�；诖�,本文給出了新的計(jì)算節(jié)點(diǎn)權(quán)重和路徑權(quán)重的方法,并將兩者結(jié)合在一起,提出一種新的鏈路預(yù)測(cè)算法,簡(jiǎn)稱CPNW(combining paths weight and nodes weight)算法。將該算法在9個(gè)真實(shí)數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn),得出相似性分?jǐn)?shù)矩陣,用AUC和Precision評(píng)價(jià)指標(biāo)和6個(gè)算法進(jìn)行對(duì)比,結(jié)果顯示CPNW算法準(zhǔn)確度較高,證明該算法有效。
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：O157.5

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 宋曉樣 郭 艷 李 寧 王 萌;基于壓縮感知的時(shí)間序列缺失數(shù)據(jù)預(yù)測(cè)算法[J];計(jì)算機(jī)科學(xué);2019年06期

2 雷方元;蔡君;;基于社團(tuán)特性的鏈路預(yù)測(cè)算法的研究[J];廣東技術(shù)師范學(xué)院學(xué)報(bào);2015年02期

3 陽敏輝;;淺析幾種基本路段行程時(shí)間預(yù)測(cè)算法[J];青春歲月;2017年01期

4 陶陶;;點(diǎn)擊科學(xué)[J];中國(guó)科技教育;2017年03期

5 黃子軒;馬超;徐瑾輝;黃江楠;;復(fù)雜網(wǎng)絡(luò)中集聚系數(shù)對(duì)鏈路預(yù)測(cè)算法的影響[J];科技視界;2014年12期

6 郭景峰;代軍麗;馬鑫;王娟;;針對(duì)通信社會(huì)網(wǎng)絡(luò)的時(shí)間序列鏈接預(yù)測(cè)算法[J];計(jì)算機(jī)科學(xué)與探索;2010年06期

7 張宇;潘國(guó)騰;謝倫國(guó);;一種基于人工神經(jīng)元網(wǎng)絡(luò)的條件分支預(yù)測(cè)算法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年S1期

8 楊旭華;凌非;;一種基于局部社團(tuán)和全局信息的鏈路預(yù)測(cè)算法[J];浙江工業(yè)大學(xué)學(xué)報(bào);2017年01期

9 陸誠(chéng);楊威;;改進(jìn)的廣義預(yù)測(cè)算法在過熱氣溫控制中的應(yīng)用[J];工業(yè)控制計(jì)算機(jī);2013年11期

10 楊斷利;張立梅;籍穎;呂晶;;河北省風(fēng)能特征及其對(duì)風(fēng)速預(yù)測(cè)算法的改進(jìn)[J];科技傳播;2013年06期

相關(guān)會(huì)議論文 前10條

1 朱斌;樊祥;馬東輝;程正東;;窗口大小和權(quán)值模板對(duì)固定權(quán)值背景預(yù)測(cè)算法的影響[A];2006年全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)會(huì)議文集（D 光電信息處理技術(shù)專題）[C];2006年

2 郭景峰;代軍麗;馬鑫;王娟;;針對(duì)通信社會(huì)網(wǎng)絡(luò)的時(shí)間序列鏈接預(yù)測(cè)算法[A];第26屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（A輯）[C];2009年

3 王云鵬;趙海;司帥宗;王翠榮;;基于鄰居修正的隨機(jī)游走鏈路預(yù)測(cè)算法[A];第十二屆沈陽科學(xué)學(xué)術(shù)年會(huì)論文集（理工農(nóng)醫(yī)）[C];2015年

4 王峰;姬冰輝;李斗;;一種基于混沌理論的自相似業(yè)務(wù)流預(yù)測(cè)算法研究[A];2006北京地區(qū)高校研究生學(xué)術(shù)交流會(huì)——通信與信息技術(shù)會(huì)議論文集（上）[C];2006年

5 陳娜;戴樹嶺;;基于模型的遙操作預(yù)測(cè)算法研究[A];'2006系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2006年

6 張利萍;李宏光;;改進(jìn)的灰色預(yù)測(cè)算法在工業(yè)應(yīng)用中的評(píng)價(jià)[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

7 錢正祥;徐華;張申浩;;數(shù)字信號(hào)序列的向量預(yù)測(cè)算法[A];第三屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2005年

8 崔冬;;一種改進(jìn)的LRP信道預(yù)測(cè)算法[A];2006通信理論與技術(shù)新進(jìn)展——第十一屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集[C];2006年

9 梁適春;張曉冬;林培峰;牛萌;;一種混合儲(chǔ)能光伏發(fā)電系統(tǒng)的功率預(yù)測(cè)算法[A];中國(guó)電工技術(shù)學(xué)會(huì)學(xué)術(shù)年會(huì)——新能源發(fā)電技術(shù)論壇論文集[C];2013年

10 路迎晨;李兵;;一類自適應(yīng)預(yù)測(cè)算法的全局收斂性[A];04'中國(guó)企業(yè)自動(dòng)化和信息化建設(shè)論壇暨中南六省區(qū)自動(dòng)化學(xué)會(huì)學(xué)術(shù)年會(huì)專輯[C];2004年

相關(guān)重要報(bào)紙文章 前1條

1 麥?zhǔn)|編譯;體內(nèi)“天書”待解讀[N];醫(yī)藥經(jīng)濟(jì)報(bào);2002年

相關(guān)博士學(xué)位論文 前10條

1 陳其松;智能優(yōu)化支持向量機(jī)預(yù)測(cè)算法及應(yīng)用研究[D];貴州大學(xué);2009年

2 卜云;混沌時(shí)間序列自適應(yīng)預(yù)測(cè)算法研究[D];電子科技大學(xué);2010年

3 馬玉韜;基于濾波理論和特征統(tǒng)計(jì)的蛋白質(zhì)編碼區(qū)預(yù)測(cè)算法研究[D];天津大學(xué);2013年

4 鮑漪瀾;基于支持向量機(jī)的金融時(shí)間序列分析預(yù)測(cè)算法研究[D];大連海事大學(xué);2013年

5 李楠;基于火焰自由基成像的NO_x排放預(yù)測(cè)算法研究[D];華北電力大學(xué)(北京);2017年

6 劉輝;鐵路沿線風(fēng)信號(hào)智能預(yù)測(cè)算法研究[D];中南大學(xué);2011年

7 張千明;復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)分析與鏈路預(yù)測(cè)[D];電子科技大學(xué);2016年

8 劉輝;miRNA靶標(biāo)預(yù)測(cè)的系統(tǒng)生物學(xué)方法研究[D];中國(guó)礦業(yè)大學(xué);2009年

9 劉曉娟;基于智能方法的電力系統(tǒng)負(fù)荷預(yù)測(cè)模型及其應(yīng)用研究[D];東華大學(xué);2014年

10 玄萍;MicroRNA識(shí)別及其與疾病關(guān)聯(lián)的預(yù)測(cè)算法研究[D];哈爾濱工業(yè)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 張紅;鏈路預(yù)測(cè)算法的研究[D];黑龍江大學(xué);2018年

2 周超;基于機(jī)器學(xué)習(xí)的感知信號(hào)分類與預(yù)測(cè)方法研究[D];電子科技大學(xué);2018年

3 王鑫;基于網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜網(wǎng)絡(luò)鏈路預(yù)測(cè)算法研究[D];安徽大學(xué);2018年

4 黃聰;基于多信息融合的miRNA-target調(diào)控關(guān)系預(yù)測(cè)算法研究[D];湖南大學(xué);2017年

5 艾劉可;形態(tài)特征計(jì)算的時(shí)序自回歸股市預(yù)測(cè)算法[D];合肥工業(yè)大學(xué);2017年

6 郭華東;基于線性回歸與馬爾科夫鏈相結(jié)合的云資源監(jiān)控預(yù)測(cè)算法研究與實(shí)現(xiàn)[D];浙江大學(xué);2017年

7 瞿宜楚;基于群智感知的用戶移動(dòng)預(yù)測(cè)算法及應(yīng)用[D];福州大學(xué);2016年

8 陳嘉穎;基于社交網(wǎng)絡(luò)節(jié)點(diǎn)特性的鏈路預(yù)測(cè)算法研究[D];新疆大學(xué);2017年

9 王亮;鏈接預(yù)測(cè)算法及應(yīng)用[D];湘潭大學(xué);2013年

10 孫兆君;可穿戴助力機(jī)器人傳感器信號(hào)預(yù)測(cè)算法和控制器的設(shè)計(jì)[D];中國(guó)科學(xué)技術(shù)大學(xué);2009年

，

本文編號(hào)：2600777