基于最短路径的随机游走算法研究与应用
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-12页 |
| 1 绪论 | 第12-20页 |
| ·背景简介 | 第12-16页 |
| ·链路挖掘背景分析 | 第12-13页 |
| ·链路预测 | 第13-14页 |
| ·基于链接信息的聚类分析 | 第14-16页 |
| ·相关技术知识背景 | 第16-18页 |
| ·随机游走 | 第16页 |
| ·图上的随机游走 | 第16-17页 |
| ·K-means聚类算法 | 第17-18页 |
| ·复杂网络简介 | 第18页 |
| ·本文的主要贡献和创新点 | 第18-19页 |
| ·研究意义 | 第19-20页 |
| 2 复杂网络上的随机游走理论 | 第20-30页 |
| ·图论基础 | 第20-21页 |
| ·基本概念 | 第20页 |
| ·最短路径 | 第20-21页 |
| ·复杂网络 | 第21-24页 |
| ·复杂网络的度 | 第22-23页 |
| ·最短路径长度 | 第23-24页 |
| ·复杂网络上的随机过程 | 第24-29页 |
| ·基于最短路径的首达概率定理 | 第24-27页 |
| ·基于复杂网络的随机游走表示 | 第27-28页 |
| ·随机游走的主要参数 | 第28页 |
| ·基于随机游走的相似性指标 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 3 K-means聚类分析 | 第30-41页 |
| ·聚类简介 | 第30页 |
| ·基本定义与概念 | 第30页 |
| ·模式表达,属性选择与抽取 | 第30-31页 |
| ·相似性度量 | 第31-32页 |
| ·K-means聚类算法 | 第32-40页 |
| ·算法介绍 | 第32-33页 |
| ·质心与目标函数 | 第33-34页 |
| ·欧几里得空间上离散型K-means算法的证明 | 第34-37页 |
| ·连续型K-means方法 | 第37页 |
| ·模糊K-means聚类 | 第37-38页 |
| ·初始质心 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 4 基于最短路径随机游走的链路预测模型 | 第41-50页 |
| ·方法描述 | 第41-42页 |
| ·局部随机游走模型 | 第41-42页 |
| ·基于最短路径的局部随机游走模型 | 第42页 |
| ·数据与指标 | 第42-44页 |
| ·数据分析 | 第42-44页 |
| ·指标选择 | 第44页 |
| ·实现结果分析 | 第44-48页 |
| ·本章结论 | 第48-50页 |
| 5 基于随机游走和K-L距离的聚类分析 | 第50-59页 |
| ·背景介绍 | 第50页 |
| ·数据分析 | 第50-51页 |
| ·原始数据相似度 | 第51-52页 |
| ·平稳Markov链的构建 | 第52-53页 |
| ·基于KL的聚类分析 | 第53-57页 |
| ·转换后的数据相似度距离选择 | 第53-55页 |
| ·聚类算法过程 | 第55-56页 |
| ·实验结果分析 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 6 结论 | 第59-61页 |
| ·工作总结 | 第59-60页 |
| ·未来工作展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 作者简历 | 第65-67页 |
| 学位论文数据集 | 第67页 |
