版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、本論文研究基于節(jié)點相似性的鏈路預測(Link Prediction),網(wǎng)絡中的鏈路預測既包含對未知鏈接(記錄網(wǎng)絡過程中遺漏或被隱藏的邊)的預測,也包含對未來鏈接(未來很有可能存在的邊)的預測.針對鏈路預測的方法及應用,基于節(jié)點對相似性提出了兩個新的局部相似性指標;隨后考慮鏈路預測對重要連邊的預測功能,將鏈路預測可指導重要連邊的思想運用到崩潰網(wǎng)絡的恢復過程中.
受網(wǎng)絡社團結構的啟發(fā),本文首先提出一個新的局部相似性指標——局部社團
2、結構(Local Community Structure)指標,簡稱為LCS指標.在已知網(wǎng)絡局部信息的前提下,LCS指標刻畫了網(wǎng)絡中任意兩個節(jié)點間的共同鄰居節(jié)點與這兩個節(jié)點的聚集關系.在基于真實網(wǎng)絡的實驗中,計算并比較了CN、AA、RA和LCS四個指標在7個不同真實網(wǎng)絡中的AUC值.發(fā)現(xiàn),在簇系數(shù)較大的網(wǎng)絡中,LCS指標的預測精確度要優(yōu)于其他三個指標.
在上述LCS指標的構建基礎上,本文借助節(jié)點的鄰居節(jié)點與另一個節(jié)點之間的緊密
3、程度來定義兩個節(jié)點間的相似性,提出了CS指標.該指標結合以往指標的思想和技巧,通過數(shù)據(jù)實驗顯示,它在大多數(shù)真實網(wǎng)絡中可達到比其他指標更高的預測精確度.
鏈路預測算法不僅可以用于預測網(wǎng)絡中缺失的連邊,也可以用于探索網(wǎng)絡中隱藏的鏈接以及重要的鏈接.對網(wǎng)絡中重要鏈路的探索研究,本文主要以電力網(wǎng)絡的實際背景為主,在大規(guī)模癱瘓狀態(tài)下的電力系統(tǒng)的恢復過程中,網(wǎng)絡中的一些特殊連邊起到了關鍵作用,這也是本文提出的基于異常鏈路分析的網(wǎng)絡重構策略
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于拓撲相似性的動態(tài)網(wǎng)絡鏈路預測方法.pdf
- 31717.基于傳遞相似性的復雜網(wǎng)絡鏈路預測
- 社交網(wǎng)絡中基于相似性的鏈路預測算法研究.pdf
- 復雜網(wǎng)絡的鏈路預測:基于結構相似性的算法研究.pdf
- 基于相似性的鏈接預測方法研究.pdf
- 基于拓撲相似性與語義相似性的疾病基因預測研究.pdf
- 基于配體相似性譜的藥物設計方法及應用.pdf
- 相似性學習及基于相似性的數(shù)據(jù)低維表示.pdf
- 社會網(wǎng)絡中基于相似性的鏈接預測.pdf
- 基于相似性的鏈接預測算法研究.pdf
- 基于個體間相似性的演化優(yōu)化方法及應用研究.pdf
- 生物序列相似性分析方法研究及應用.pdf
- 12352.基于調(diào)控范圍語義相似性的致病基因預測方法
- 基于藥物相似性特性預測有效藥物組合.pdf
- 基于短信數(shù)據(jù)的用戶行為相似性分析方法及應用研究.pdf
- 基于相似性的交通流分析方法.pdf
- 基于基因本體(GO)的基因語義相似性度量方法的研究及應用.pdf
- 基于Hausdorff距離的相似性度量方法研究.pdf
- 基于空間相似性的圖像質(zhì)量評價方法.pdf
- 基于相似性學習的智能決策方法研究.pdf
評論
0/150
提交評論