| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.1.1 问题提出 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.3 本课题研究的主要内容 | 第10-11页 |
| 1.4 本文的组织结构 | 第11-12页 |
| 第二章 相关背景知识介绍 | 第12-27页 |
| 2.1 链接预测 | 第12-15页 |
| 2.1.1 链接预测简介 | 第12页 |
| 2.1.2 链接预测算法 | 第12-15页 |
| 2.2 半监督学习 | 第15-21页 |
| 2.2.1 半监督学习简介 | 第15-18页 |
| 2.2.2 几种经典的半监督学习算法 | 第18-21页 |
| 2.3 支持向量机SVM | 第21-24页 |
| 2.4 集成系统理论 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 动态网络中的链接预测方案的分析与设计 | 第27-33页 |
| 3.1 动态网络中的链接预测问题 | 第27-29页 |
| 3.1.1 动态网络简介 | 第27页 |
| 3.1.2 动态网络中的链接预测问题描述 | 第27-29页 |
| 3.1.3 已有的动态链接预测方法 | 第29页 |
| 3.2 动态网络中的链接预测方案设计 | 第29-32页 |
| 3.2.1 动态网络中的时间特征 | 第29-30页 |
| 3.2.2 采用时间度量的半监督链接预测算法T-SSLP | 第30-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 基于集成的动态链接预测方案设计 | 第33-41页 |
| 4.1 集成学习方案的设计 | 第33-38页 |
| 4.1.1 集成学习框架 | 第33-36页 |
| 4.1.2 模型构建的技术流程 | 第36-38页 |
| 4.2 基于集成学习的动态链接预测算法ENDLIP | 第38-40页 |
| 4.3 本章小结 | 第40-41页 |
| 第五章 实验模拟及结果分析 | 第41-50页 |
| 5.1 算法的性能与评价标准 | 第41-43页 |
| 5.2 实验数据与设置 | 第43-44页 |
| 5.2.1 T-SSLP算法的实验数据 | 第43页 |
| 5.2.2 EnDLiP的实验数据与设置 | 第43-44页 |
| 5.3 实验结果分析 | 第44-50页 |
| 5.3.1 T-SSLP实验结果分析 | 第44-46页 |
| 5.3.2 EnDLiP实验结果分析 | 第46-50页 |
| 第六章 总结与展望 | 第50-51页 |
| 6.1 论文完成工作 | 第50页 |
| 6.2 未来研究方向 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第55-56页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第56-57页 |
| 致谢 | 第57页 |