首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 343 毫秒

1.  移动社交网络中基于网络中心度的链路预测方法*  
   郑巍  潘倩  邓宇凡《计算机应用研究》,2016年第33卷第9期
   移动社交网络中的链路预测是指通过已知的网络节点以及移动社交网络结构等信息预测网络中尚未产生连边的两个节点之间产生链接的可能性。基于网络中心度的思想,提出一种适用于移动社交网络的链路预测算法。在该算法中,根据节点网络中心度和共同邻居数来计算两个节点的相似性指标,两个节点的共同邻居数越多、共同邻居的网络中心度越高,则两个节点的相似度越高。另外,由于移动社交网络的动态性特征,还将考虑时间因素对预测结果的影响。将该方法与其他4种常用的链路预测方法进行比较,实验结果显示所提方法要优于其他方法。    

2.  移动社交网络中链路预测方法分析  
   郑巍  潘倩《计算机光盘软件与应用》,2014年第20期
   链路预测是社交网络中一项具有挑战性的任务,移动社交网络中的链路预测是指通过已知的网络节点以及社会网络结构等信息预测移动社交网络中尚未产生连边的两个节点之间产生链接的可能性。本文主要比较了4种常用的链路预测方法。最终,我们使用米兰大学数据集进行仿真实验,结果显示基于共同邻居的相似性指标能够使移动社交网络中链路预测有更好的效果。    

3.  多维社会网络中链路预测方法研究  
   滕兆明  王红  张华青  马晓慧《计算机应用与软件》,2011年第9期
   多维社会网络中链路预测是指通过已知的网络节点以及多维社会网络结构等信息预测多维社会网络中尚未产生连边的两个节点之间产生链接的可能性。在研究有关链路预测的相关技术后,基于节点之间的相似性,提出了一种多维社会网络中的链路预测算法。算法中考虑时间因素和权重因素对于链路预测的影响,同时将多维网络中的相关技术应用到链路预测的过程中。实验结果表明,该算法能够使多维网络中链路预测有更好的效果。    

4.  差分化社会网络节点角色的链路预测模型  
   伍杰华《微电子学与计算机》,2013年第10期
   以经典的Common Neighbor算法为例,提出了一种基于社区划分的差分化节点角色的链路预测模型,该模型首先采用Clauset-Newman-Moore算法挖掘社会网络结构属性,同时引入节点连接度和社区整体参与度的定义,差分处理社区内外邻接节点和不同社区的贡献,采用有监督的学习训练方法分别对社区内节点对和社区间节点对进行链路预测.人工网络和真实网络中的实验证明,该模型能够提高基于相似度算法对节点对链路预测的准确率,并为该类模型的研究提供一种新的方案.    

5.  基于回溯机制的互联网AS拓扑的Betweenness算法  被引次数:3
   张国强  张国清《计算机研究与发展》,2006年第43卷第10期
   Betweenness能够刻画节点或边在网络中的重要程度.在Internet中,Betweenness直接反应了特定网络拓扑结构下节点或链路可能承载的网络流量,能够对网络的动态行为进行预测.但传统的Betweenness计算复杂度较高,为O(n^3),但这些算法是为加权网络设计的,而很多实际的网络模型并没有考虑权重.另一方面,目前的算法都没有考虑边的语义,而互联网AS(autonomous system)拓扑中的边具有语义.针对简单无权网络提出一种基于回溯的时间复杂度为O(nm)的Betweenness计算方法.在进一步考虑Internet AS拓扑的特殊性,即任意两个相连的AS都具有某种商业关系的基础上提出了互联网AS层拓扑的Betweenness计算方法.    

6.  基于连边距离矩阵的重叠社区发现  
   张建国  黄瑞阳《计算机应用研究》,2017年第34卷第9期
   现有重叠社团发现算法大多直接从相邻连边的相似性出发,不能有效利用网络的多层连边信息。基于此,本文提出了一种基于连边距离矩阵的重叠社区发现算法LDM。首先结合连边-节点-连边随机游走模型,以实现多级连边信息的有效利用,其次借助模糊聚类方法,处理连边距离矩阵以获取连边社区,最后根据扩展模块度调整和优化重叠社区结构。在人工网络和真实网络上的实验结果表明,所提算法能够有效提高重叠社区发现算法的准确度。    

7.  基于节点相似性的链接预测  
   东昱晓  柯庆  吴斌《计算机科学》,2011年第38卷第7期
   链接预测是图数据挖掘中的一个重要问题。它是通过已知的网络结构等信息预测和估计尚未链接的两个节点存在链接的可能性。目前大部分基于节点相似性的链接预测算法只考虑共同部居节点的个体特征,针对目前预测。算法对共同部居节点间相互关系的考虑不足,提出了一种新算法:节点引力指数算法。该算法在保持低时间复杂度的同时,提高了预测的准确率。通过多个现实网络实验证实了算法的预测效果。    

8.  一种基于元路径的异质信息网络链路预测模型  
   黄立威  李德毅  马于涛  郑思仪  张海粟  付鹰《计算机学报》,2014年第4期
   真实世界中不同类型的对象之间相互连接,形成异质信息网络.预测网络中对象之间的连接或交互是网络分析中的一个重要任务.不同于传统的同质性网络的链路预测,异质信息网络中,由于存在多种类型的节点和边,节点之间可以通过不同的关系进行连接.文中使用元路径,即通过一组关系连接了多种节点类型的路径,来描述异质信息网络中不同类型对象之间各种连接的不同语义,从而提出一种异质信息网络链路预测模型,通过组合对象之间在不同元路径上建立连接的概率来进行链路预测.在DBLP和Last.fm两个真实数据集上的实验结果表明:在7种关系的链路预测中,相比最好的基准方法,文中方法的AUC值平均提升了5.93%;另外,在链路预测中,通过元路径区分不同类型的节点和边之后,预测精度得到了明显提升;最后,为了平衡预测精度和模型的可扩展性,实验分析表明链路预测中仅考虑路径长度小于5的元路径就已经足够产生很好的预测结果.    

9.  基于预测误差修正的时序链路预测方法  
   邓志宏 老松杨 白亮《电子与信息学报》,2014年第36卷第2期
   论文主要针对时序链路预测方法进行研究。分析了静态链路预测方法的弊端,认为忽视网络演化趋势信息会对链路预测产生负面影响;还提出了链路预测误差的概念用于描述网络趋势信息,并以此为基础提出一种基于预测误差修正的时序链路预测方法。该方法首先对待预测时刻之前一个时间窗口内的多幅网络图分别采用静态链路预测方法进行预测,记录每次的预测误差并计算其修正值,最后对待测时刻静态预测结果进行修正得到最终预测结果。通过在两个真实网络数据集上进行系列实验表明,该方法较大提升了静态链路预测方法的预测精确度,与另一种典型的时序链路预测方法相比其精度也有所提升,且算法时间复杂度较低。另外,实验中还发现链路预测误差序列与网络链路总数序列存在"镜面对称"关系,分析其内在原因证明了所提方法的普适性。    

10.  复杂网络节点相似性算法及其在癫痫病辅助诊断的应用  
   何艳  赵晓婷  于云莉《计算机系统应用》,2017年第26卷第1期
   节点相似性分析是链路预测和社团挖掘中的重要部分.引入CN (Common Neighbor,共同邻居)算法、RA (Resource Allocation,资源分配)算法、AA (Adamic-Adar)算法、Sorenson算法等四种节点相似性算法作用于真实网络以及仿真网络(即小世界网络和无标度网络)网络,计算AUC (Area Under the Curve,曲线下面积)曲线从而比较算法的预测准确性,结果表明RA算法的预测准确性优于其他三种算法.随后将四种算法用于分析8例全身性癫痫患者脑电数据功能连接网络,结果发现RA算法预测准确性最佳,通过RA算法能确定最大节点相似度组成的节点簇,为量化大脑功能状态提供客观指标,未来可以将该方法用于临床辅助诊断.    

11.  基于结构特征量化的本体模块化划分研究  
   梁帅  罗强一  毕诚  黄镇鸿《计算机工程》,2011年第37卷第14期
   针对大规模本体模块化划分问题,从本体结构与复杂网络的相似性分析入手,根据本体语义和网络结构特征将其转换为对应的概念网络。提出衡量本体中节点局部中心度和边的语义连接强度的量化标准,用于选取核心节点和度量边权重,得到显式表示本体语义和结构特征的无向加权层次网络,将其建模为具有不同位势的电路网络,利用最大位势差法划分本体模块。实验结果表明,该方法能够在线性时间内得到质量较高、适合匹配应用的本体划分。    

12.  基于相似度传播的二分网络链接预测  
   姚飞亚  陈崚《计算机科学》,2016年第43卷第4期
   链接预测是复杂网络分析中的重要研究问题。提出了一个基于链接相似度传播的二部图链路预测算法。该算法将链接相似度得分通过随机游走在网络中进行传播和更新。在该算法中,网络里的每一条边都被分配一个基于相似度的传播概率。不同部分的节点之间的链接相似性得分根据它们的边的传播概率来传播。在不同大小的真实社交网络上的实验结果证明,该算法可以取得比其他算法更精确的预测结果。    

13.  基于划分社区和差分共邻节点贡献的链路预测  
   伍杰华《计算机应用研究》,2013年第30卷第10期
   通过改进基于节点相似度的朴素贝叶斯模型, 引入GN和CMN两种经典的划分社区算法挖掘网络社区属性对预测节点对的影响, 赋予共邻节点不同的连接度和社区贡献度并计算其贡献权重, 同时把模型应用于五种相似度算法, 采用ROC和Precision-Recall曲线进行实验评价。人工网络和真实网络中的实验证明, 该模型能够在深入挖掘社会网络结构信息的基础上提高预测的精确度, 同时为该类模型的研究提供一种新的方案。    

14.  相似性与结构平衡论结合的符号网络边值预测  
   刘苗苗  郭景峰  陈晶《工程科学与技术》,2018年第4期
   针对传统社会网络中基于相似性的链接预测算法在预测准确率和计算复杂度上难以均衡,且无法直接应用于符号网络的问题,为了实现符号网络中的链接预测与符号预测双重目标,提出一种基于相似性与结构平衡理论的符号网络边值预测方法(PSNBS)。首先,结合符号网络拓扑特征和最优步长的选择,有效融合属性相似性和路径结构相似性,定义了两节点基于结构平衡理论的2-step相似度和3-step相似度。其次,考虑到不同步长的路径对于两节点相似性的不同贡献程度,引入可调步长影响因子,并在此基础上定义了两节点基于平衡论的边值预测得分。得分的绝对值度量了两节点的相似程度,即未来链接建立的概率;得分的正负即为未来链接的符号预测结果。再次,针对边值预测得分为0的特殊情况,引入节点负密度的概念,采用节点的度特征进行符号预测。最后,依据边值预测得分和节点负密度完成链接预测和符号预测。以、和为评价标准,在多个数据集上进行了实验。结果显示了所提算法的有效性和强健性,对于未来链接预测以及已有边的符号预测均能达到较高的预测准确率。此外,与经典的符号预测CN和ICN算法的实验对比分析显示,PSNBS算法符号预测准确率更高。    

15.  基于局部信息的复杂网络社团结构发现算法  
   赵晓慧  刘微  谢凤宏  赵凤霞《微型机与应用》,2011年第30卷第15期
   发现网络中的社团结构有助于更好地理解网络结构和分析网络属性。通过定义边的聚类系数和基于局部信息的方法,提出了一种寻找复杂网络中社团结构的算法。该算法首先在网络的剩余节点中寻找度最大的节点,然后利用该节点的局部信息、边的聚类系数和凝聚的思想,得到复杂网络的社团结构。在两个典型网络上的测试结果表明了该方法的可行性。    

16.  基于连边相似度的重叠社区发现算法研究  
       傅鹤岗    《计算机应用研究》,2013年第30卷第1期
   针对GN算法在发现重叠社区时存在的不足,以及为了降低算法时间复杂度,提出一种基于网络图中连边相似度划分连边集的重叠社区发现算法EGN。算法依据网络图的连边集进行划分,每一条边被划分到某个特定的社区,而一个节点可以关联多条连边,因此节点可以被划分到不同的社区,从而发现重叠社区。EGN算法首先需要构造网络节点之间连边关系的边图;然后根据边图中节点的关系计算网络图中连边的相似度,在节点之间相似度的基础上提出了连边之间相似度的计算方法;再按照相似度由小到大对边图删除边,构建出边图的树状图。树状图的每一层对应网络的一个划分,采用划分密度函数来衡量划分的质量,以此寻找最优的划分。最后将算法应用到Zachary空手道俱乐部网络中,并与GN算法进行对比,实验结果表明EGN算法能够很好地发现重叠社区。    

17.  改进的加权复杂网络节点重要度评估方法  被引次数:2
   王甲生  吴晓平  廖巍  陈永强《计算机工程》,2012年第38卷第10期
   针对加权复杂网络中的节点重要度评估问题,提出一种改进的基于凝聚度的节点重要度评估方法。综合考虑节点的连接特性对节点重要度的影响,引入节点连边的重要度评估,将节点的重要度表示为节点自身重要度与其连边重要度的加权和,通过调节加权比例系数,分析节点连边重要度对节点重要度排序及节点相对重要性的影响。算例分析结果验证了改进方法的可行性和有效性。    

18.  基于层次随机图模型的脑网络链路预测  
   田甜  杨艳丽  郭浩  陈俊杰《计算机应用研究》,2016年第33卷第4期
   针对一般链路预测算法在具有层次结构的脑网络中计算效率低且复杂度高的问题,提出了一种基于最大似然估计的层次随机图模型。该算法首先利用脑网络数据建立层次随机图,然后通过改进的马尔科夫蒙特卡罗算法采样树状图空间,最后计算脑网络边的平均连接概率,且通过评价指标对算法进行评价。实验结果表明,利用该算法对脑网络和3种不同的层次结构网络进行链路预测比较, 脑网络的预测结果最好。此外,所提出的算法较之传统的基于相似性的算法,该算法效果明显,且具有理想的计算复杂度。    

19.  复杂金融网络的自相似性研究  
   王小霞  李星野《数字社区&智能家居》,2011年第4期
   以股票为节点,选取适当阈值量化股票收益率序列间相关关系从而构建复杂金融网络。基于复杂网络的理论,讨论金融网络的度分布、平均最短路径和聚集系数,发现面向金融时间序列的股票网络具有小世界效应,无标度特性和一个很重要的特性—自相似性。该文用两种方法分析了网络的自相似性:一是提出用网络节点的度构造Hurst指数,定量分析金融网络的自相似性;二是金融网络的平均路径长度和聚集系数定性地分析了复杂网络的自相似性。    

20.  一类新旧节点同时演化的混合网络模型  
   周海平  蔡绍洪《Canadian Metallurgical Quarterly》,2011年第43卷第2期
   在随机网络和无标度网络的基础上,提出了一个新旧节点同时演化的随机-无标度混合网络模型.在模型中,新旧节点都能够主动产生新的连边,并且新连边在选择目标节点的过程中具有随机和择优两种连接机制.理论计算和计算机模拟表明:可以通过4个参数将随机网络和无标度网络统一起来,通过调节参数,可以生成不同形态结构的网络.该模型能够在随机网络和无标度网络之间连续过渡,其普适性较以往的模型更大.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号