时序网络链路预测与源头定位方法研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 符号列表 | 第11-12页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 研究背景及意义 | 第12-15页 |
| 1.1.1 选题背景 | 第12-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 复杂网络链路预测 | 第15-16页 |
| 1.2.2 复杂网络传播动力学 | 第16-17页 |
| 1.2.3 时序网络分析 | 第17-18页 |
| 1.3 本文内容与组织 | 第18-21页 |
| 1.3.1 总体思路 | 第18页 |
| 1.3.2 内容安排 | 第18-19页 |
| 1.3.3 创新之处 | 第19-21页 |
| 第二章 复杂网络的基础理论 | 第21-36页 |
| 2.1 复杂网络的刻画 | 第21-25页 |
| 2.1.1 复杂网络的结构特性 | 第21-22页 |
| 2.1.2 基本网络模型 | 第22-25页 |
| 2.2 静态网络的链路预测 | 第25-31页 |
| 2.2.1 基于结构相似性指标 | 第26-30页 |
| 2.2.2 基于统计推断的相似性指标 | 第30-31页 |
| 2.3 静态网络传播动力学 | 第31-36页 |
| 2.3.1 经典常微分方程模型 | 第31-34页 |
| 2.3.2 基于网络结构的传播模型 | 第34-36页 |
| 第三章 基于多变量时间序列分析的链路预测 | 第36-47页 |
| 3.1 结合单变量时间序列分析的混合链路预测模型 | 第36-38页 |
| 3.1.1 单变量时间序列分析方法 | 第36-37页 |
| 3.1.2 基于结构相似性指标的混合模型 | 第37-38页 |
| 3.2 结合多变量时间序列分析的混合链路预测模型 | 第38-40页 |
| 3.2.1 多变量时间序列分析方法 | 第38-40页 |
| 3.2.2 基于结构相似性的混合模型 | 第40页 |
| 3.3 实验结果与分析 | 第40-47页 |
| 3.3.1 真实网络和评价指标 | 第41-42页 |
| 3.3.2 各指标单独预测结果分析 | 第42-44页 |
| 3.3.3 混合模型预测结果分析 | 第44-47页 |
| 第四章 基于反演时序扩散过程的源头定位 | 第47-59页 |
| 4.1 时序网络中的传播动力学 | 第47-49页 |
| 4.1.1 时序网络的刻画 | 第47-48页 |
| 4.1.2 时序传播行为的建模 | 第48-49页 |
| 4.2 时序网络的源头定位 | 第49-51页 |
| 4.2.1 反演时序扩散过程 | 第49-50页 |
| 4.2.2 观测节点的选择策略 | 第50-51页 |
| 4.3 实验结果与分析 | 第51-59页 |
| 4.3.1 源头定位结果 | 第51-52页 |
| 4.3.2 选择策略的影响 | 第52-53页 |
| 4.3.3 模型参数分析 | 第53-59页 |
| 第五章 结束语 | 第59-62页 |
| 5.1 本文工作总结 | 第59-60页 |
| 5.2 下一步研究方向 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 作者在学期间取得的学术成果 | 第67页 |
