現(xiàn)實(shí)世界中許多系統(tǒng)都以網(wǎng)絡(luò)的形式存在,例如社會關(guān)系網(wǎng)絡(luò)、科學(xué)家合作網(wǎng)絡(luò)、因特網(wǎng)絡(luò)和蛋白質(zhì)交互網(wǎng)絡(luò)等。這些網(wǎng)絡(luò)具有很高的復(fù)雜性,被稱為復(fù)雜網(wǎng)絡(luò)。近年來,對復(fù)雜網(wǎng)絡(luò)的結(jié)構(gòu)和特性已給予充分研究,然而對網(wǎng)絡(luò)信息的識別和恢復(fù)仍然是現(xiàn)代信息科學(xué)領(lǐng)域一項(xiàng)長期的挑戰(zhàn),具有重要的理論和現(xiàn)實(shí)意義。鏈路預(yù)測是解決上述問題的一個(gè)重要方向,在計(jì)算機(jī)、物理、生物等許多領(lǐng)域已有較為深入的研究。鏈路預(yù)測是指通過已知的節(jié)點(diǎn)以及網(wǎng)絡(luò)結(jié)構(gòu)等信息預(yù)測網(wǎng)絡(luò)中尚未產(chǎn)生連邊的兩個(gè)節(jié)點(diǎn)之間出現(xiàn)鏈接的可能性。使用鏈路預(yù)測能夠很好的恢復(fù)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu),揭示網(wǎng)絡(luò)的演化行為。與鏈路預(yù)測相對應(yīng)的是丟失節(jié)點(diǎn)識別,丟失節(jié)點(diǎn)識別是指利用已知的網(wǎng)絡(luò)信息識別未知的網(wǎng)絡(luò)節(jié)點(diǎn)并恢復(fù)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)。與鏈路預(yù)測一樣,丟失節(jié)點(diǎn)識別對于網(wǎng)絡(luò)信息的識別和恢復(fù)具有重要意義。本文針對復(fù)雜網(wǎng)絡(luò)中的丟失節(jié)點(diǎn)識別問題進(jìn)行研究。解決丟失節(jié)點(diǎn)識別問題一般情況下需要進(jìn)行條件約束,增加已知信息,然后予以解決。占位符框架和模糊點(diǎn)框架是解決丟失節(jié)點(diǎn)識別問題的兩個(gè)框架,本文在這兩種不同的丟失節(jié)點(diǎn)識別框架下分別設(shè)計(jì)了相應(yīng)的丟失節(jié)點(diǎn)識別算法。在占位符框架下,設(shè)計(jì)了基于圖嵌入的丟失節(jié)點(diǎn)識別算法G... 

【文章來源】：蘭州大學(xué)甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：53 頁

【學(xué)位級別】：碩士

【圖文】：

完整網(wǎng)絡(luò)H[8]

蘭州大學(xué)碩士學(xué)位論文復(fù)雜網(wǎng)絡(luò)中丟失節(jié)點(diǎn)識別算法研究圖2-2克羅內(nèi)克圖模型[8]M步直到最后收斂求出Z，即目標(biāo)未知網(wǎng)絡(luò)。雖然KronEM算法能夠在已知網(wǎng)絡(luò)信息很少的情況下推斷出剩余未知的網(wǎng)絡(luò)結(jié)構(gòu)，但由于該方法是基于克羅內(nèi)克構(gòu)圖的方法，使得該方法過于依賴具體網(wǎng)絡(luò)性質(zhì)，如果網(wǎng)絡(luò)自相似性質(zhì)明顯，則效果好，如果網(wǎng)絡(luò)自相似性質(zhì)不明顯，則效果欠佳。2.2聚類2.2.1k-meansk-means聚類算法是一種應(yīng)用廣泛的聚類算法[18]。k-means算法首先隨機(jī)選擇k個(gè)數(shù)據(jù)點(diǎn)作為k個(gè)初始的簇中心，然后計(jì)算每個(gè)數(shù)據(jù)點(diǎn)與各個(gè)簇中心之間的距離，把每個(gè)數(shù)據(jù)點(diǎn)分配到距離這個(gè)數(shù)據(jù)點(diǎn)最近的簇中心，簇中心和分配的數(shù)據(jù)點(diǎn)構(gòu)成了一個(gè)聚類。根據(jù)現(xiàn)有的聚類，重新計(jì)算每個(gè)聚類的聚類中心，再將所有樣本點(diǎn)重新分類，不斷迭代上述過程直到?jīng)]有數(shù)據(jù)點(diǎn)被重新分配給不同的聚類、聚類中心不再發(fā)生變化或者達(dá)到迭代次數(shù)。k-means算法計(jì)算效率高，使用范圍廣泛，但是因?yàn)槌跏嫉木垲愔行氖请S機(jī)選擇的，初始聚類中心的選擇對聚類結(jié)果影響較大。2.2.2聚類層次聚類分成自底向上的凝聚方法和自頂向下的分裂方法[28]。凝聚法初始將毎個(gè)節(jié)點(diǎn)視作一個(gè)小簇，通過合并相似的簇實(shí)現(xiàn)聚類。分裂法初始將所有節(jié)點(diǎn)視作同一個(gè)大簇，不斷分裂成更小的簇。層次聚類算法并不是直接給出聚類的結(jié)果，而是每聚類一個(gè)階段產(chǎn)生一個(gè)聚類結(jié)果。比如凝聚法，初始將每個(gè)節(jié)點(diǎn)作為一個(gè)簇，然后每次迭代計(jì)算選取距離最近的兩個(gè)簇，并將它們合并，直到只有一個(gè)簇為止。8

完整網(wǎng)絡(luò)


本文編號：3255605