基于相似性指标的复杂网络链路学习预测
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究目的及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 主要研究内容与论文结构 | 第12-14页 |
| 1.3.1 主要研究内容 | 第12页 |
| 1.3.2 论文结构 | 第12-14页 |
| 第2章 复杂网络基本模型和相似性指标 | 第14-20页 |
| 2.1 复杂网络基本模型 | 第14-17页 |
| 2.2 四种相似性指标 | 第17-20页 |
| 第3章 机器学习的相关理论 | 第20-29页 |
| 3.1 决策树 | 第20-22页 |
| 3.2 逻辑回归 | 第22-24页 |
| 3.3 XGBOOST | 第24-26页 |
| 3.4 集成学习 | 第26-27页 |
| 3.5 评价指标 | 第27-29页 |
| 第4章 基于随机森林的链路预测算法 | 第29-34页 |
| 4.1 算法描述 | 第29-30页 |
| 4.2 结果与分析 | 第30-33页 |
| 4.3 本章小结 | 第33-34页 |
| 第5章 集成学习的链路预测算法 | 第34-40页 |
| 5.1 算法描述 | 第34-36页 |
| 5.2 结果与分析 | 第36-39页 |
| 5.3 本章小结 | 第39-40页 |
| 第6章 总结与展望 | 第40-42页 |
| 6.1 总结 | 第40页 |
| 6.2 展望 | 第40-42页 |
| 致谢 | 第42-43页 |
| 参考文献 | 第43-47页 |
| 附录1 攻读硕士学位期间发表的论文 | 第47-48页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第48页 |
