基于信息熵的复杂网络链路预测算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-12页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 研究意义 | 第8-9页 |
| 1.3 研究现状 | 第9-11页 |
| 1.4 本文主要内容 | 第11-12页 |
| 2 复杂网络基础知识 | 第12-22页 |
| 2.1 简单单层复杂网络 | 第12-18页 |
| 2.1.1 单层复杂网络拓扑度量 | 第12-15页 |
| 2.1.2 单层复杂网络演化模型 | 第15-18页 |
| 2.2 单层加权网络 | 第18-20页 |
| 2.2.1 加权网络的统计性质 | 第19页 |
| 2.2.2 加权网络的演化模型 | 第19-20页 |
| 2.3 多层复杂网络 | 第20-21页 |
| 2.3.1 多维网络转化而成的多层网络 | 第20-21页 |
| 2.3.2 多级网络转化而成的多层网络 | 第21页 |
| 2.4 本章小节 | 第21-22页 |
| 3 复杂网络链路预测研究进展 | 第22-27页 |
| 3.1 问题描述和评价方法 | 第22-23页 |
| 3.2 算法介绍 | 第23-26页 |
| 3.2.1 简单单层网络中的预测方法 | 第23-26页 |
| 3.2.2 加权网络中的预测方法 | 第26页 |
| 3.3 本章小结 | 第26-27页 |
| 4 简单网络中的基于信息熵的链路预测 | 第27-33页 |
| 4.1 路径的熵 | 第27-28页 |
| 4.2 路径熵指标 | 第28-30页 |
| 4.3 实验和分析 | 第30-32页 |
| 4.4 本章小节 | 第32-33页 |
| 5 基于信息熵的含权和多层网络链路预测 | 第33-39页 |
| 5.1 加权网络中的路径熵指标 | 第33-36页 |
| 5.1.1 路径的权重 | 第33页 |
| 5.1.2 加权的路径熵指标 | 第33-34页 |
| 5.1.3 实验和分析 | 第34-36页 |
| 5.2 多层网络中的路径熵指标 | 第36-38页 |
| 5.3 本章小结 | 第38-39页 |
| 6 大型网络中基于CN下界的链路预测 | 第39-54页 |
| 6.1 传统的CN并行算法 | 第39-42页 |
| 6.2 基于CN下界的链路预测方法 | 第42-47页 |
| 6.2.1 基本原理 | 第42-43页 |
| 6.2.2 引理推导 | 第43-44页 |
| 6.2.3 算法步骤 | 第44-47页 |
| 6.2.4 算法实现 | 第47页 |
| 6.3 基于CN下界的链路预测算法应用 | 第47-53页 |
| 6.3.1 传统指标的局限性 | 第48页 |
| 6.3.2 自预测性的定义 | 第48-49页 |
| 6.3.3 仿真实验的结果 | 第49-50页 |
| 6.3.4 自预测性和AUC的对比 | 第50-53页 |
| 6.4 本章小结 | 第53-54页 |
| 7 总结和展望 | 第54-56页 |
| 7.1 总结 | 第54页 |
| 7.2 展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 附录 | 第63页 |
