| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究工作的背景与意义 | 第10-12页 |
| 1.2 国内外研究历史与现状 | 第12-16页 |
| 1.3 本文主要研究内容 | 第16-17页 |
| 1.4 本论文的结构安排 | 第17-19页 |
| 第二章 相关技术概述 | 第19-29页 |
| 2.0 算法流程 | 第19-21页 |
| 2.1 结构平衡理论与社会地位平衡理论 | 第21-22页 |
| 2.2 PCA算法 | 第22-23页 |
| 2.3 SVM模型 | 第23-25页 |
| 2.4 Adaboost集成算法 | 第25-27页 |
| 2.5 K-means聚类算法 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 基于SVM模型的预测方法 | 第29-51页 |
| 3.1 二元关系网络中的特征 | 第29-37页 |
| 3.2 基于PCA的特征选择 | 第37-43页 |
| 3.3 基于SVM模型的二元关系预测 | 第43-45页 |
| 3.4 实验结果 | 第45-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 基于ADABOOST集成算法的二元关系预测 | 第51-66页 |
| 4.1 启发式算法 | 第51-60页 |
| 4.1.1 基于结构平衡启发式算法 | 第51-53页 |
| 4.1.2 基于社会地位的启发式算法 | 第53-56页 |
| 4.1.3 基于出度的启发式算法 | 第56-57页 |
| 4.1.4 基于入度的启发式算法 | 第57页 |
| 4.1.5 实验结果 | 第57-60页 |
| 4.2 二元关系预测问题中的Adaboost算法 | 第60-62页 |
| 4.3 实验结果 | 第62-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 大规模社交网络中的二元关系预测 | 第66-73页 |
| 5.1 基于K-means算法的多分类SVM模型 | 第66-67页 |
| 5.2 基于EM值的多分类SVM模型 | 第67-69页 |
| 5.3 实验结果 | 第69-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第六章 全文总结与展望 | 第73-76页 |
| 6.1 全文总结 | 第73-75页 |
| 6.2 后续工作展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 攻读硕士学位期间取得的成果 | 第80-81页 |