現(xiàn)實(shí)生活中許許多多的復(fù)雜系統(tǒng)可以用網(wǎng)絡(luò)加以描述。系統(tǒng)中的個(gè)體用網(wǎng)絡(luò)節(jié)點(diǎn)表示,個(gè)體之間的聯(lián)系和交互關(guān)系用連接邊表示。一方面,由于采集成本、采集難度等因素,網(wǎng)絡(luò)的結(jié)構(gòu)信息往往是不完整的,因而存在未知鏈接。另一方面,絕大多數(shù)的網(wǎng)絡(luò)都是動態(tài)的,會隨著時(shí)間進(jìn)行演化,產(chǎn)生新的連接邊,稱為未來鏈接。鏈路預(yù)測是一項(xiàng)挖掘網(wǎng)絡(luò)信息的研究工作,它根據(jù)觀察到的網(wǎng)絡(luò)結(jié)構(gòu)信息來預(yù)測網(wǎng)絡(luò)的缺失鏈接（包含未知鏈接與未來鏈接）。鏈路預(yù)測問題不僅能幫助我們理解網(wǎng)絡(luò)的演化機(jī)制,還能發(fā)掘網(wǎng)絡(luò)中未知的、有價(jià)值的知識,因而具有重要的理論研究意義和應(yīng)用價(jià)值。目前,基于相似性的鏈路預(yù)測算法通常只關(guān)注兩個(gè)節(jié)點(diǎn)之間的相似性,沒有做好相似度的分配工作。而“相近節(jié)點(diǎn)”和“熱門節(jié)點(diǎn)”的存在,會使得高相似度節(jié)點(diǎn)之間包含大量的冗余信息,從而影響預(yù)測效果。針對信息冗余問題,本文提出了線性重構(gòu)的方法計(jì)算相似度。首先,以節(jié)點(diǎn)的代數(shù)近鄰作為線性重構(gòu)的基,即通過節(jié)點(diǎn)的代數(shù)近鄰去解釋它的連邊情況,以重構(gòu)系數(shù)作為節(jié)點(diǎn)相似度。實(shí)驗(yàn)結(jié)果表明,雖然代數(shù)近鄰是通過共同鄰居指標(biāo)篩選出來的,但經(jīng)過線性重構(gòu)的方法重新計(jì)算相似度后,其效果遠(yuǎn)遠(yuǎn)優(yōu)于共同鄰居指標(biāo),從而證實(shí)了線性重... 

【文章來源】：武漢大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景
    1.2 研究意義
    1.3 國內(nèi)外研究現(xiàn)狀
    1.4 論文的組織結(jié)構(gòu)
2 鏈路預(yù)測問題概述及預(yù)備知識
    2.1 復(fù)雜網(wǎng)絡(luò)基本概念
    2.2 網(wǎng)絡(luò)的拓?fù)涮卣?br>    2.3 鏈路預(yù)測的問題描述及評價(jià)方法
        2.3.1 問題描述
        2.3.2 評價(jià)方法
    2.4 基于相似性的鏈路預(yù)測算法
        2.4.1 基于局部信息的相似性指標(biāo)
        2.4.2 基于路徑的相似性指標(biāo)
        2.4.3 基于隨機(jī)游走的相似性指標(biāo)
    2.5 基于似然分析的鏈路預(yù)測算法
    2.6 基于結(jié)構(gòu)微擾和矩陣分解的鏈路預(yù)測算法
        2.6.1 結(jié)構(gòu)微擾模型
        2.6.2 LR矩陣分解法
        2.6.3 非負(fù)矩陣分解法
        2.6.4 核非負(fù)矩陣分解法
    2.7 本章小結(jié)
3 基于加權(quán)的線性重構(gòu)相似度的協(xié)同過濾算法
    3.1 協(xié)同過濾算法
    3.2 線性重構(gòu)相似度算法（LRS）
        3.2.1 算法介紹
        3.2.2 求解方法
    3.3 帶非負(fù)約束的線性重構(gòu)相似度算法（LRS-N）
        3.3.1 算法介紹
        3.3.2 求解方法
    3.4 代數(shù)近鄰與幾何鄰居
    3.5 WLRS與WLRS-N的算法描述
4 數(shù)值實(shí)驗(yàn)及性能分析
    4.1 實(shí)驗(yàn)設(shè)計(jì)
        4.1.1 實(shí)驗(yàn)環(huán)境
        4.1.2 實(shí)驗(yàn)數(shù)據(jù)集
        4.1.3 對比算法
        4.1.4 實(shí)驗(yàn)流程
    4.2 實(shí)驗(yàn)結(jié)果與討論
        4.2.1 算法表現(xiàn)
        4.2.2 性能比較
        4.2.3 魯棒性分析
    4.3 本章小結(jié)
5 總結(jié)與展望
    5.1 本文的工作總結(jié)
    5.2 未來的工作展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]Ensemble kernel method:SVM classification based on game theory[J]. Yufei Liu,Dechang Pi,Qiyou Cheng.  Journal of Systems Engineering and Electronics. 2016(01)
[2]網(wǎng)絡(luò)自然密度社團(tuán)結(jié)構(gòu)模塊度函數(shù)[J]. 張聰,沈惠璋.  電子科技大學(xué)學(xué)報(bào). 2012(02)
[3]復(fù)雜網(wǎng)絡(luò)鏈路預(yù)測[J]. 呂琳媛.  電子科技大學(xué)學(xué)報(bào). 2010(05)
[4]復(fù)雜網(wǎng)絡(luò)中的社團(tuán)結(jié)構(gòu)算法綜述[J]. 汪小帆,劉亞冰.  電子科技大學(xué)學(xué)報(bào). 2009(05)
[5]復(fù)雜社會網(wǎng)絡(luò)的介數(shù)性質(zhì)近似計(jì)算方法研究[J]. 唐晉韜,王挺.  計(jì)算機(jī)工程與科學(xué). 2008(12)
[6]復(fù)雜網(wǎng)絡(luò)上的博弈[J]. 吳枝喜,榮智海,王文旭.  力學(xué)進(jìn)展. 2008(06)
[7]復(fù)雜網(wǎng)絡(luò)上動力系統(tǒng)同步的研究進(jìn)展[J]. 趙明,汪秉宏,蔣品群,周濤.  物理學(xué)進(jìn)展. 2005(03)

碩士論文
[1]基于網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜網(wǎng)絡(luò)鏈路預(yù)測算法研究[D]. 王鑫.安徽大學(xué) 2018
[2]復(fù)雜網(wǎng)絡(luò)上的疾病擴(kuò)散行為研究[D]. 李沫.復(fù)旦大學(xué) 2010



本文編號：3108960