Print

基于聚类分析的复杂网络链路预测性能研究

论文摘要

链路预测问题是复杂网络中数据挖掘领域的重要研究方向,然而复杂网络的结构与预测方法性能之间关系却很少受到关注。从聚类分析的角度探讨复杂网络结构对现有基于相似性度量的六种链路预测方法的性能影响,通过对合成复杂网络和真实复杂网络的对比实验进行分析。结果表明:随着聚类簇的增加,这六种方法在预测精度方面的性能均得到了极大的提升。对于具有较低聚类簇的稀疏复杂网络,叠加随机游动(SRW)预测性能表现最佳,而对于具有较高聚类簇的密集复杂网络,资源分配指数(RA)预测性能表现最佳。因此,对于不同类型的复杂网络应采用不同的方法进行链路预测。

论文目录

  • 1 聚类分析与预测方法
  •   1.1 聚类分析
  •   1.2 预测方法
  • 2 复杂网络的数据集
  •   2.1 合成复杂网络数据集
  •   2.2 真实复杂网络数据集
  •   2.3 数据集参数
  • 3 实验分析
  •   3.1 合成复杂网络分析
  •   3.2 真实复杂网络分析
  •   3.3 结果分析
  • 4 结论

    • 文章来源

    类型: 期刊论文

    作者: 来骥,盛红雷

    关键词: 复杂网络,链路预测,聚类分析,相似性度量

    来源: 计算技术与自动化 2019年04期

    年度: 2019

    分类: 信息科技,基础科学

    专业: 数学

    单位: 国网冀北电力有限公司信息通信分公司,南瑞集团(国网电力科学研究院)有限公司

    分类号: O157.5

    DOI: 10.16339/j.cnki.jsjsyzdh.201904027

    页码: 144-150

    总页数: 7

    文件大小: 1614K

    下载量: 202

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/075fa940ced39ba092496700.html