本文選題：鏈路預(yù)測(cè) + 復(fù)雜網(wǎng)絡(luò)��； 參考：《中國(guó)計(jì)量大學(xué)》2016年碩士論文

【摘要】：本論文研究基于節(jié)點(diǎn)相似性的鏈路預(yù)測(cè)(Link Prediction),網(wǎng)絡(luò)中的鏈路預(yù)測(cè)既包含對(duì)未知鏈接(記錄網(wǎng)絡(luò)過(guò)程中遺漏或被隱藏的邊)的預(yù)測(cè),也包含對(duì)未來(lái)鏈接(未來(lái)很有可能存在的邊)的預(yù)測(cè).針對(duì)鏈路預(yù)測(cè)的方法及應(yīng)用,我們基于節(jié)點(diǎn)對(duì)相似性提出了兩個(gè)新的局部相似性指標(biāo);隨后考慮鏈路預(yù)測(cè)對(duì)重要連邊的預(yù)測(cè)功能,我們將鏈路預(yù)測(cè)可指導(dǎo)重要連邊的思想運(yùn)用到崩潰網(wǎng)絡(luò)的恢復(fù)過(guò)程中.受網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)的啟發(fā),本文首先提出一個(gè)新的局部相似性指標(biāo)——局部社團(tuán)結(jié)構(gòu)(Local Community Structure)指標(biāo),簡(jiǎn)稱為L(zhǎng)CS指標(biāo).在已知網(wǎng)絡(luò)局部信息的前提下,LCS指標(biāo)刻畫了網(wǎng)絡(luò)中任意兩個(gè)節(jié)點(diǎn)間的共同鄰居節(jié)點(diǎn)與這兩個(gè)節(jié)點(diǎn)的聚集關(guān)系.在基于真實(shí)網(wǎng)絡(luò)的實(shí)驗(yàn)中,我們計(jì)算并比較了CN、AA、RA和LCS四個(gè)指標(biāo)在7個(gè)不同真實(shí)網(wǎng)絡(luò)中的AUC值.我們發(fā)現(xiàn),在簇系數(shù)較大的網(wǎng)絡(luò)中,LCS指標(biāo)的預(yù)測(cè)精確度要優(yōu)于其他三個(gè)指標(biāo).在上述LCS指標(biāo)的構(gòu)建基礎(chǔ)上,本文借助節(jié)點(diǎn)的鄰居節(jié)點(diǎn)與另一個(gè)節(jié)點(diǎn)之間的緊密程度來(lái)定義兩個(gè)節(jié)點(diǎn)間的相似性,提出了CS指標(biāo).該指標(biāo)結(jié)合以往指標(biāo)的思想和技巧,通過(guò)數(shù)據(jù)實(shí)驗(yàn)顯示,它在大多數(shù)真實(shí)網(wǎng)絡(luò)中可達(dá)到比其他指標(biāo)更高的預(yù)測(cè)精確度.鏈路預(yù)測(cè)算法不僅可以用于預(yù)測(cè)網(wǎng)絡(luò)中缺失的連邊,也可以用于探索網(wǎng)絡(luò)中隱藏的鏈接以及重要的鏈接.對(duì)網(wǎng)絡(luò)中重要鏈路的探索研究,本文主要以電力網(wǎng)絡(luò)的實(shí)際背景為主,在大規(guī)模癱瘓狀態(tài)下的電力系統(tǒng)的恢復(fù)過(guò)程中,網(wǎng)絡(luò)中的一些特殊連邊起到了關(guān)鍵作用,這也是本文提出的基于異常鏈路分析的網(wǎng)絡(luò)重構(gòu)策略的主要思想.通過(guò)鏈路預(yù)測(cè)算法對(duì)網(wǎng)絡(luò)中真實(shí)存在的連邊進(jìn)行異常度排名,以優(yōu)先恢復(fù)異常度高的電源節(jié)點(diǎn)為目標(biāo),建立骨架網(wǎng)絡(luò)恢復(fù)策略,然后根據(jù)鏈路的重要性進(jìn)行骨架網(wǎng)絡(luò)之外的線路的修復(fù).這樣不僅可以快速連通電源發(fā)電機(jī),也能及時(shí)恢復(fù)重要線路,具有實(shí)際意義.
[Abstract]:In this paper, link prediction based on node similarity is studied. The link prediction in the network includes the prediction of unknown links (recording the missing or hidden edges in the network). It also includes predictions of future links (which are likely to exist in the future). Aiming at the method and application of link prediction, we propose two new local similarity indexes based on node pair similarity, and then consider the prediction function of link prediction to important connected edges. We apply the idea of link prediction to the restoration of crash networks. Inspired by the network community structure, a new local similarity index, Local Community structure (LCS), is proposed in this paper. Based on the known local information of the network, the LCS index describes the aggregation relationship between the common neighbor nodes and the two nodes between any two nodes in the network. In the experiment based on real network, we calculate and compare the AUC values of CNA AARA and LCS in 7 different real networks. We find that the prediction accuracy of LCS is better than the other three indexes in the network with large cluster coefficient. Based on the above LCS index, the similarity between the two nodes is defined by the tightness between the neighbor node and the other node, and the CS index is proposed. Combined with the ideas and techniques of the previous indexes, the data experiments show that the index can achieve higher prediction accuracy than other indexes in most real networks. The link prediction algorithm can be used not only to predict the missing links in the network, but also to explore the hidden links and important links in the network. For the exploration and research of important links in the network, this paper mainly focuses on the actual background of the power network, and plays a key role in the restoration process of the power system under the large-scale paralysis. This is also the main idea of the network reconfiguration strategy based on abnormal link analysis. By using the link prediction algorithm to rank the abnormal degree of the real connected edges in the network, the restoration strategy of skeleton network is established with priority to recover the power node with high anomaly degree. Then, according to the importance of the link, the repair of the line outside the skeleton network is carried out. It is of practical significance not only to connect the power generator quickly, but also to restore the important circuit in time.
【學(xué)位授予單位】：中國(guó)計(jì)量大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：O157.5

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉晉霞;曾建潮;薛耀文;;復(fù)雜網(wǎng)絡(luò)強(qiáng)社團(tuán)結(jié)構(gòu)探測(cè)[J];小型微型計(jì)算機(jī)系統(tǒng);2011年04期

2 賈寧寧;封筠;;復(fù)雜網(wǎng)絡(luò)的社團(tuán)結(jié)構(gòu)發(fā)現(xiàn)[J];河北省科學(xué)院學(xué)報(bào);2013年02期

3 宣照國(guó);苗靜;黨延忠;劉建國(guó);;科研領(lǐng)域關(guān)聯(lián)網(wǎng)絡(luò)的社團(tuán)結(jié)構(gòu)分析[J];上海理工大學(xué)學(xué)報(bào);2008年02期

4 王伊蕾;王遠(yuǎn)志;李濤;田生文;;偽度優(yōu)先演化網(wǎng)絡(luò)的社團(tuán)結(jié)構(gòu)研究[J];計(jì)算機(jī)工程與應(yīng)用;2009年20期

5 汪小帆;劉亞冰;;復(fù)雜網(wǎng)絡(luò)中的社團(tuán)結(jié)構(gòu)算法綜述[J];電子科技大學(xué)學(xué)報(bào);2009年05期

6 司夏萌;劉云;丁飛;熊菲;;具有社團(tuán)結(jié)構(gòu)的有界信任輿論涌現(xiàn)模型研究[J];系統(tǒng)仿真學(xué)報(bào);2009年23期

7 謝軍;;復(fù)雜網(wǎng)絡(luò)中分析社團(tuán)結(jié)構(gòu)算法研究概述[J];信息通信;2010年04期

8 朱大勇;張新麗;李樹全;;利用局部拓?fù)湫畔l(fā)現(xiàn)模糊社團(tuán)結(jié)構(gòu)[J];電子科技大學(xué)學(xué)報(bào);2011年01期

9 邵斐;蔣國(guó)平;;基于社團(tuán)結(jié)構(gòu)的負(fù)載傳輸優(yōu)化策略研究[J];物理學(xué)報(bào);2011年07期

10 談煜;梁潤(rùn)鵬;;一種基于層次化社團(tuán)結(jié)構(gòu)的網(wǎng)絡(luò)可視化方法[J];微型電腦應(yīng)用;2012年04期

相關(guān)會(huì)議論文 前5條

1 苗清影;汪小帆;;基于社團(tuán)結(jié)構(gòu)的復(fù)雜網(wǎng)絡(luò)可控性研究[A];第五屆全國(guó)復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會(huì)議論文（摘要）匯集[C];2009年

2 李曉佳;張鵬;狄增如;樊瑛;;復(fù)雜網(wǎng)絡(luò)中的社團(tuán)結(jié)構(gòu)[A];第四屆全國(guó)網(wǎng)絡(luò)科學(xué)學(xué)術(shù)論壇暨研究生暑期學(xué)校論文集[C];2008年

3 胡延慶;趙爾波;張丹;狄增如;樊瑛;;社團(tuán)結(jié)構(gòu)的局域和自適應(yīng)比較性定義及其相應(yīng)探測(cè)方法[A];第五屆全國(guó)復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會(huì)議論文（摘要）匯集[C];2009年

4 吳文濤;肖仰華;何震瀛;汪衛(wèi);余韜;;基于權(quán)重信息挖掘社會(huì)網(wǎng)絡(luò)中的隱含社團(tuán)[A];第26屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（B輯）[C];2009年

5 樊瑛;李夢(mèng)輝;張鵬;吳金閃;狄增如;;權(quán)重對(duì)網(wǎng)絡(luò)結(jié)構(gòu)和性質(zhì)的影響——社團(tuán)結(jié)構(gòu)中權(quán)重的作用[A];2006全國(guó)復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會(huì)議論文集[C];2006年

相關(guān)博士學(xué)位論文 前10條

1 程建軍;復(fù)雜網(wǎng)絡(luò)中的社團(tuán)檢測(cè)方法研究[D];蘭州大學(xué);2015年

2 李琳;基于多元統(tǒng)計(jì)分析的社團(tuán)挖掘算法研究[D];上海交通大學(xué);2014年

3 王文軍;飛機(jī)駕駛艙人機(jī)工效設(shè)計(jì)與綜合評(píng)估關(guān)鍵技術(shù)[D];西北工業(yè)大學(xué);2015年

4 武志昊;復(fù)雜網(wǎng)絡(luò)中的重疊社團(tuán)發(fā)現(xiàn)問(wèn)題研究[D];北京交通大學(xué);2013年

5 魏芳;基于圖挖掘的網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)發(fā)現(xiàn)[D];復(fù)旦大學(xué);2008年

6 劉傳建;復(fù)雜網(wǎng)絡(luò)中的社團(tuán)結(jié)構(gòu)劃分及分析應(yīng)用[D];山東大學(xué);2014年

7 何東曉;復(fù)雜網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)發(fā)現(xiàn)方法研究[D];吉林大學(xué);2014年

8 劉晉霞;復(fù)雜網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)的探測(cè)及其在資金融通網(wǎng)絡(luò)中的應(yīng)用研究[D];蘭州理工大學(xué);2013年

9 劉瑤;社會(huì)網(wǎng)絡(luò)特征分析與社團(tuán)結(jié)構(gòu)挖掘[D];電子科技大學(xué);2013年

10 鄔盈盈;基于V穩(wěn)定性理論的復(fù)雜網(wǎng)絡(luò)穩(wěn)定性分析與牽制控制方法研究[D];浙江大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 劉微;復(fù)雜網(wǎng)絡(luò)中社團(tuán)結(jié)構(gòu)的發(fā)現(xiàn)[D];遼寧師范大學(xué);2011年

2 董哲;復(fù)雜網(wǎng)絡(luò)中的社團(tuán)發(fā)現(xiàn)算法研究[D];解放軍信息工程大學(xué);2014年

3 王彭;基于地理位置的網(wǎng)絡(luò)加權(quán)化社團(tuán)發(fā)現(xiàn)算法[D];東北大學(xué);2014年

4 吳敏章;多粒度社團(tuán)發(fā)現(xiàn)方法的研究[D];安徽大學(xué);2016年

5 陳厚兵;基于社團(tuán)結(jié)構(gòu)的影響最大化算法研究[D];南京大學(xué);2016年

6 駱世順;基于社團(tuán)結(jié)構(gòu)和自信息的復(fù)雜網(wǎng)絡(luò)鏈路預(yù)測(cè)算法研究[D];蘭州大學(xué);2016年

7 張文俊;世界海運(yùn)網(wǎng)社團(tuán)結(jié)構(gòu)及多層網(wǎng)絡(luò)結(jié)構(gòu)的研究[D];華中師范大學(xué);2016年

8 黃波;加權(quán)復(fù)雜網(wǎng)絡(luò)中強(qiáng)社團(tuán)結(jié)構(gòu)發(fā)現(xiàn)算法研究[D];遼寧大學(xué);2016年

9 竇建國(guó);軟件網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)分析[D];東北大學(xué);2013年

10 郭婷婷;基于相似性的鏈路預(yù)測(cè)方法及應(yīng)用[D];中國(guó)計(jì)量大學(xué);2016年

，

本文編號(hào)：2069463