复杂网络的链路预测研究与应用

论文摘要

复杂网络链路预测旨在充分利用网络拓扑信息预测潜在链路或未来链路,对理解网络结构与演化规律有重要作用。虽然现有工作已取得丰硕成果,但疏于探讨链路预测的集成方法,难于处理冷启动问题。为此,本文开展了如下研究工作:与已有研究采用的并行集成策略不同,本文提出了一种基于网络重构的串行集成策略。首先,为了处理相互作用中的噪声和缺失数据,利用矩阵填补方法或基于OWA算子的局部相似性指标集成方法校正链路权重。然后,将多种链路预测算法应用于重构后网络中。实验结果表明,重构后的网络不仅可弱化噪声,还有助于将潜在链路添加到重构后的网络中;大部分链路预测算法在重构后、可信度更高的网络中均可取得更准确、更稳健的预测效果。由于孤立节点、新节点在网络中缺少拓扑信息,冷启动问题一直是链路预测中的难点问题。各领域积累的多种相互作用为缓解链路预测中的冷启动问题提供了新的机遇与挑战。因此,本文引入了辅助网络为目标网络提供额外信息,首先提取辅助网络与目标网络的低维隐含因子,采用似然比检验和Mantel检验共同诊断隐含因子间相关性,最后构建存在关联的目标网络与辅助网络隐含因子间回归关系。在八个生物信息学数据集上的实验表明,药物分子结构相似性、蛋白质序列相似性有助于提高药物相互作用、蛋白质功能关联的预测效果。在上述研究的基础上,将提出方法应用于城市拥堵预测。根据青岛市的实际路网结构建立城市道路网络,以拥堵指数衡量路口和路段的拥堵状态,从而将拥堵预测问题抽象成链路预测问题。进而,对获取的交通数据依次做了去除冗余数据、缺失数据填补、错误数据纠正等工作后,应用拥堵预测的方法预测道路拥堵状态。此外,为了更直观的分析城市拥堵分布状态,设计了一种拥堵区域划分方法。

论文目录

摘要

abstract

第一章引言

1.1 研究目的与意义

1.2 国内外研究现状

1.3 本文研究内容与结构安排

第二章链路预测方法理论

2.1 研究现状

2.2 方法介绍

2.2.1 基于相似性分数的算法

2.2.2 矩阵补全算法

2.3 本章小节

第三章集成学习在链路预测中的应用

3.1 并行和串行策略

3.1.1 基于OWA算子的并行策略

3.1.2 基于网络重建的串行策略

3.2 实验结果与分析

3.2.1 数据集

3.2.2 实验设置

3.2.3 预测性能比较

3.3 本章小结

第四章链路预测中冷启动问题的研究

4.1 引言

4.1.1 研究动态与问题介绍

4.1.2 本文研究方法

4.2 网络间相关性分析

4.3 基于隐含因子对相关网络进行建模

4.4 实验结果与分析

4.4.1 数据集介绍

4.4.2 实验设置

4.4.3 冷启动链路预测性能比较

4.5 本章小结

第五章链路预测方法在交通领域的应用

5.1 研究背景与问题分析

5.1.1 应用背景介绍

5.1.2 问题分析

5.2 数据预处理

5.2.1 数据集介绍

5.2.2 问题数据的处理

5.2.3 建立路网

5.3 实验分析

5.3.1 路口拥堵指数

5.3.2 拥堵区域划分算法

5.3.3 实验结果

5.4 本章小结

第六章总结与展望

6.1 总结

6.2 展望

参考文献

攻读学位期间的研究

致谢

文章来源

类型: 硕士论文

作者: 吴梅

导师: 邵峰晶

关键词: 链路预测,复杂网络,矩阵补全,集成学习,网络降维

来源: 青岛大学

年度: 2019

分类: 基础科学

专业: 数学

单位: 青岛大学

分类号: O157.5

DOI: 10.27262/d.cnki.gqdau.2019.001253

总页数: 54

文件大小: 4107K

下载量: 103

复杂网络的链路预测研究与应用

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢