基于随机森林的复杂网络重构算法研究

论文摘要

由大量独立而又交互作用着的个体组成的复杂网络在自然界和我们的社会中无处不在。网络的拓扑结构是研究复杂网络的基础和前提。如何从网络动态时间序列中推断网络的拓扑结构是一个吸引人的问题,同时也是数学、生物、工程等多个研究领域的一大挑战。本文主要研究使用一类机器学习算法通过网络节点的时间序列数据推断网络内部结构。特别的,本文通过研究不同节点间的驱动因果关系来推断网络的有向拓扑结构。本文建立了复杂网络动态行为的基本模型,然后基于随机森林的学习算法构建立一个算法框架,使得网络的有向因果关系可以通过随机森林的不纯度来刻画和衡量,最终实现整个复杂网络的拓扑结构重构,网络的重构效果用ROC,曲线与坐标轴所围成的面积AUC表示。本文给出了算法框架在验证模型和基因调控网络数据集上的应用结果,其重构效果和基于模型展开的重构算法进行了比较,并讨论了时间序列长度等参数对算法表现的影响,给出了不同噪音环境下算法的鲁棒性讨论,验证了本算法框架具有广泛使用性和较高的稳定性。

论文目录

摘要

abstract

第一章绪论

1.1 复杂网络重构的研究背景及意义

1.2 复杂网络重构的研究现状概述

1.2.1 基于相关性恢复网络结构

1.2.2 基于信息论恢复网络结构

1.2.3 基于贝叶斯网络恢复网络结构

1.2.4 基于模型展开恢复网络结构

1.3 本文研究的主要内容

第二章随机森林研究概述

2.1 随机森林的基分类器——决策树

2.1.1 决策树概述

2.1.2 决策树生成过程中的节点分裂算法

2.1.3 决策树中存在的问题

2.2 随机森林的构建过程

2.2.1 为每棵决策树抽样产生训练集

2.2.2 构建每棵决策树

2.2.3 随机森林的形成及算法的执行

第三章基于随机森林的网络重构算法

3.1 现有重构算法的不足

3.2 基于随机森林的网络重构算法的提出

3.2.1 系统动力学模型的建立

3.2.2 从动力学模型到回归树

3.2.3 网络重构模型的算法框架

3.3 基于随机森林的网络重构算法随机性分析

3.3.1 网络各节点时间序列值的随机选取

3.3.2 随机特征变量的随机性

3.3.3 随机森林的随机性在网络重构中的表现及解决办法

第四章网络重构的验证与分析

4.1 十节点复杂网络

4.2 基于随机森林的复杂网络重构

4.3 随机森林和模型展开的网络重构算法比较

4.4 DREAM4中十节点复杂网络的重构

4.5 网络重构效果和节点时间序列数量之间关系

4.6 网络重构算法的稳定性研究

第五章总结与展望

5.1 总结

5.2 展望

参考文献

致谢

文章来源

类型: 硕士论文

作者: 徐自伟

导师: 马欢飞

关键词: 网络重构,随机森林,时间序列,模型展开,稳定性

来源: 苏州大学

年度: 2019

分类: 基础科学,信息科技

专业: 数学,自动化技术

单位: 苏州大学

分类号: O157.5;TP181

DOI: 10.27351/d.cnki.gszhu.2019.002925

总页数: 42

文件大小: 2412K

下载量: 22

基于随机森林的复杂网络重构算法研究

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢