為了對(duì)正常衰老的人腦功能網(wǎng)絡(luò)（NABFN）的拓?fù)浣Y(jié)構(gòu)變化進(jìn)行探究,提出一種基于樸素貝葉斯的網(wǎng)絡(luò)演化模型（NBM）。首先,依據(jù)樸素貝葉斯（NB）的鏈路預(yù)測(cè)算法與解剖距離來(lái)定義節(jié)點(diǎn)間存在連邊的概率;其次,利用特定的網(wǎng)絡(luò)演化算法,在青年人的腦功能網(wǎng)絡(luò)基礎(chǔ)上,通過(guò)不斷地增加連邊來(lái)逐步得到相應(yīng)中年及老年時(shí)期的模擬網(wǎng)絡(luò);最后,為了對(duì)模擬網(wǎng)絡(luò)與真實(shí)網(wǎng)絡(luò)間的相似程度進(jìn)行評(píng)價(jià),提出網(wǎng)絡(luò)相似指標(biāo)（SI）值。仿真實(shí)驗(yàn)結(jié)果表明,與基于共同鄰居的網(wǎng)絡(luò)演化模型（CNM）相比,NBM構(gòu)建的模擬網(wǎng)絡(luò)與真實(shí)網(wǎng)絡(luò)間的SI值（4.479 4, 3.402 1）高于CNM模擬網(wǎng)絡(luò)對(duì)應(yīng)的SI值（4.100 4, 3.013 2）;并且,兩者模擬網(wǎng)絡(luò)的SI值均明顯高于隨機(jī)網(wǎng)絡(luò)演化算法所得模擬網(wǎng)絡(luò)的SI值（1.892 0, 1.591 2）。實(shí)驗(yàn)結(jié)果證實(shí)NBM能夠更為準(zhǔn)確地預(yù)測(cè)出NABFN的拓?fù)浣Y(jié)構(gòu)變化過(guò)程。 

【文章來(lái)源】：計(jì)算機(jī)應(yīng)用. 2019,39(04)北大核心CSCD

【文章頁(yè)數(shù)】：9 頁(yè)

【文章目錄】：
0 引言
1 研究現(xiàn)狀
2 網(wǎng)絡(luò)演化模型定義
    2.1 網(wǎng)絡(luò)模型構(gòu)建的理論依據(jù)
    2.2 基于共同鄰居的網(wǎng)絡(luò)演化模型
    2.3 基于樸素貝葉斯的網(wǎng)絡(luò)演化模型
3 網(wǎng)絡(luò)演化算法設(shè)計(jì)
    3.1 網(wǎng)絡(luò)演化算法
    3.2 隨機(jī)網(wǎng)絡(luò)演化算法
4 實(shí)驗(yàn)與結(jié)果
    4.1 樣本選取與預(yù)處理
    4.2 腦功能網(wǎng)絡(luò)構(gòu)建
    4.3 模型性能評(píng)價(jià)指標(biāo)
    4.4 真實(shí)網(wǎng)絡(luò)拓?fù)鋵傩苑治?br>    4.5 NBM和CNM性能對(duì)比
    4.6 NBM模擬網(wǎng)絡(luò)屬性分析
    4.7 不同網(wǎng)絡(luò)演化算法對(duì)比
    4.8 節(jié)點(diǎn)度分布
5 結(jié)語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]Link Prediction in Brain Networks Based on a Hierarchical Random Graph Model[J]. Yanli Yang,Hao Guo,Tian Tian,Haifang Li.  Tsinghua Science and Technology. 2015(03)
[2]靜息態(tài)腦功能網(wǎng)絡(luò)的社團(tuán)結(jié)構(gòu)研究[J]. 王艷群,李海芳,郭浩,陳俊杰.  計(jì)算機(jī)應(yīng)用. 2012(07)



本文編號(hào)：3164889