基于节点拓扑相似性的复杂网络链路预测算法的研究 |
论文目录 | | 摘要 | 第1-7页 | ABSTRACT | 第7-11页 | 第一章 绪论 | 第11-17页 | 1.1 课题研究背景及意义 | 第11-13页 | 1.2 链路预测研究现状 | 第13-14页 | 1.3 本文的主要内容 | 第14-15页 | 1.4 论文组织结构 | 第15-17页 | 第二章 复杂网络中的链路预测 | 第17-37页 | 2.1 复杂网络理论 | 第17-23页 | 2.1.1 复杂网络及其研究进程 | 第17-18页 | 2.1.2 网络表示与图论 | 第18-19页 | 2.1.3 网络拓扑结构 | 第19-20页 | 2.1.4 基本网络模型 | 第20-23页 | 2.2 链路预测方法总结 | 第23-29页 | 2.2.1 链路预测简介 | 第23-24页 | 2.2.2 链路预测算法 | 第24-27页 | 2.2.3 实验数据 | 第27-28页 | 2.2.4 实验指标 | 第28-29页 | 2.3 节点影响力研究 | 第29-36页 | 2.3.1 影响力研究现状 | 第30-31页 | 2.3.2 社会网络节点影响力的度量 | 第31-36页 | 2.4 本章小结 | 第36-37页 | 第三章 基于加权综合影响力的局部算法 | 第37-51页 | 3.1 局部算法 | 第37-39页 | 3.2 基于端点混合影响力的局部预测算法 | 第39-44页 | 3.2.1 问题描述及方法创新 | 第39-42页 | 3.2.2 基于加权综合影响力的局部算法 | 第42-44页 | 3.3 实验与分析 | 第44-49页 | 3.3.1 数据预处理与实验流程 | 第44-47页 | 3.3.2 性能评估 | 第47-49页 | 3.4 本章小结 | 第49-51页 | 第四章 基于随机游走的混合影响力链路预测算法 | 第51-65页 | 4.1 马尔科夫链 | 第52-54页 | 4.1.1 马尔科夫定义 | 第52-53页 | 4.1.2 转移理论 | 第53-54页 | 4.2 随机游走模型 | 第54-56页 | 4.2.1 局部随机游走模型(local random walk, LRW) | 第55页 | 4.2.2 有叠加效应的局部随机游走指标(superposed random walk, SRW) | 第55-56页 | 4.3 仿真分析 | 第56-60页 | 4.3.1 问题描述 | 第56页 | 4.3.2 算法模型 | 第56-57页 | 4.3.3 实验分析 | 第57-59页 | 4.3.4 性能评估 | 第59-60页 | 4.4 基于H指数和度的多样性的混合影响算法 | 第60-63页 | 4.4.1 问题描述 | 第61页 | 4.4.2 改进算法 | 第61页 | 4.4.3 性能评估 | 第61-63页 | 4.5 本章小结 | 第63-65页 | 第五章 总结与展望 | 第65-67页 | 5.1 论文工作进展 | 第65页 | 5.2 未来工作展望 | 第65-67页 | 参考文献 | 第67-74页 | 致谢 | 第74-75页 | 缩略语 | 第75-76页 | 攻读学位期间取得的学术成果 | 第76页 |
|
|
|