網(wǎng)絡(luò)是刻畫和分析復(fù)雜系統(tǒng)中個體之間的鏈接關(guān)系及相互影響的有力工具。時序網(wǎng)絡(luò)是傳統(tǒng)網(wǎng)絡(luò)在時間維度上的拓展,是對真實(shí)復(fù)雜系統(tǒng)更準(zhǔn)確地抽象。因此,時序網(wǎng)絡(luò)的研究具有重大的理論意義和實(shí)用價值。本文重點(diǎn)圍繞時序網(wǎng)絡(luò)結(jié)構(gòu)建模與演化分析等關(guān)鍵問題,系統(tǒng)地從網(wǎng)絡(luò)節(jié)點(diǎn)、鏈接以及社區(qū)三個層次,分別開展關(guān)鍵節(jié)點(diǎn)挖掘、未知鏈接預(yù)測以及一致社區(qū)發(fā)現(xiàn)的研究,并分析研究了合理窗口選擇的共性問題。本文主要包括以下四個方面的內(nèi)容:第一,針對時序網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)挖掘問題,提出了時序網(wǎng)絡(luò)的超演化矩陣數(shù)學(xué)表示模型,進(jìn)一步提出了基于超演化矩陣特征向量中心性的節(jié)點(diǎn)重要性度量方法。通過定義超演化矩陣刻畫了時序網(wǎng)絡(luò)片段及其層間關(guān)聯(lián),并引入時間序列分析方法自動估計不同片段之間的關(guān)系參數(shù)。基于超演化矩陣特殊的下三角形式,設(shè)計了高維矩陣特征向量的快速計算方法,實(shí)現(xiàn)了時序網(wǎng)絡(luò)節(jié)點(diǎn)重要性的有效度量。實(shí)驗(yàn)結(jié)果表明:本模型方法能夠?qū)r序網(wǎng)絡(luò)節(jié)點(diǎn)重要性進(jìn)行更有效排序。第二,針對時序網(wǎng)絡(luò)鏈接關(guān)系預(yù)測問題,提出了基于時間序列分析的時序網(wǎng)絡(luò)結(jié)構(gòu)演化建模,進(jìn)一步提出了結(jié)合網(wǎng)絡(luò)時序與結(jié)構(gòu)信息的鏈接關(guān)系預(yù)測方法。通過引入單變量和多變量的時間序列分析方法,對網(wǎng)絡(luò)中節(jié)...

【文章頁數(shù)】：136 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
        1.1.1 選題背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 時序網(wǎng)絡(luò)分析研究進(jìn)展
        1.2.2 關(guān)鍵節(jié)點(diǎn)挖掘研究進(jìn)展
        1.2.3 鏈接關(guān)系預(yù)測研究進(jìn)展
        1.2.4 社區(qū)結(jié)構(gòu)發(fā)現(xiàn)研究進(jìn)展
    1.3 本文的組織與安排
        1.3.1 總體思路
        1.3.2 章節(jié)安排
        1.3.3 創(chuàng)新之處
第二章 時序網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)挖掘
    2.1 時序網(wǎng)絡(luò)的超矩陣建模
        2.1.1 超演化矩陣建模
        2.1.2 層間鏈路的定義
    2.2 超矩陣特征向量中心性度量
        2.2.1 超矩陣特征向量中心性
        2.2.2 時序網(wǎng)絡(luò)結(jié)構(gòu)特征度量
    2.3 實(shí)驗(yàn)驗(yàn)證與分析
        2.3.1 真實(shí)網(wǎng)絡(luò)數(shù)據(jù)
        2.3.2 關(guān)鍵節(jié)點(diǎn)的挖掘
        2.3.3 重要節(jié)點(diǎn)的結(jié)構(gòu)特性分析
        2.3.4 增強(qiáng)了節(jié)點(diǎn)之間的差異性
    2.4 本章小結(jié)
第三章 時序網(wǎng)絡(luò)鏈接關(guān)系預(yù)測
    3.1 基于結(jié)構(gòu)相似性度量
        3.1.1 基于節(jié)點(diǎn)的相似性度量指標(biāo)
        3.1.2 基于路徑的相似性度量指標(biāo)
    3.2 時間序列分析預(yù)測模型
        3.2.1 單變量時間序列分析
        3.2.2 多變量時間序列分析
        3.2.3 融合時序與結(jié)構(gòu)信息
    3.3 實(shí)驗(yàn)驗(yàn)證與分析
        3.3.1 評價指標(biāo)
        3.3.2 真實(shí)網(wǎng)絡(luò)數(shù)據(jù)
        3.3.3 各類方法預(yù)測效果
        3.3.4 融合方法預(yù)測效果
    3.4 本章小結(jié)
第四章 時序網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)發(fā)現(xiàn)
    4.1 社區(qū)發(fā)現(xiàn)譜聚類算法
        4.1.1 時序網(wǎng)絡(luò)矩陣表示
        4.1.2 歸一化拉普拉斯矩陣譜聚類
    4.2 時序譜融合社區(qū)劃分算法
        4.2.1 時序特征譜融合方法
        4.2.2 時序譜聚類劃分模型
    4.3 實(shí)驗(yàn)驗(yàn)證與分析
        4.3.1 評價指標(biāo)
        4.3.2 仿真網(wǎng)絡(luò)實(shí)驗(yàn)分析
        4.3.3 真實(shí)網(wǎng)絡(luò)實(shí)驗(yàn)分析
    4.4 本章小結(jié)
第五章 時序網(wǎng)絡(luò)合理窗口選擇
    5.1 基于距離度量的閾值判斷
        5.1.1 網(wǎng)絡(luò)結(jié)構(gòu)的距離度量
        5.1.2 閾值判斷
    5.2 基于特征度量的時間序列建模
        5.2.1 網(wǎng)絡(luò)的特征度量
        5.2.2 時間序列分析
    5.3 實(shí)驗(yàn)驗(yàn)證與分析
        5.3.1 真實(shí)網(wǎng)絡(luò)數(shù)據(jù)
        5.3.2 基于距離度量的窗口選擇
        5.3.3 基于特征度量的時序分析
    5.4 本章小結(jié)
第六章 結(jié)論與展望
    6.1 本文工作總結(jié)
    6.2 下一步研究方向
致謝
參考文獻(xiàn)
作者在學(xué)期間取得的學(xué)術(shù)成果



本文編號：3830396