| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 选题背景及意义 | 第7-8页 |
| 1.2 机会网络概述 | 第8-11页 |
| 1.3 论文主要研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第2章 研究现状 | 第13-21页 |
| 2.1 基于相似性的预测方法 | 第13-15页 |
| 2.2 基于节点移动模型的预测方法 | 第15-16页 |
| 2.3 基于混合框架预测方法 | 第16-18页 |
| 2.4 基于多层模型的预测方法 | 第18-19页 |
| 2.5 基于机器学习的预测方法 | 第19-20页 |
| 2.6 本章小结 | 第20-21页 |
| 第3章 机会网络链路相似性指标 | 第21-32页 |
| 3.1 问题描述 | 第21-22页 |
| 3.2 链路预测相似性指标 | 第22-27页 |
| 3.2.1 基于网络结构的相似性指标 | 第22-23页 |
| 3.2.2 基于链路历史信息的相似性指标 | 第23-26页 |
| 3.2.3 基于二阶邻居的相似性指标 | 第26-27页 |
| 3.3 机会网络相似性指标 | 第27-28页 |
| 3.4 实验数据分析 | 第28-31页 |
| 3.4.1 基于网络结构的相似性指标性能表现 | 第29-30页 |
| 3.4.2 改进后预测指标性能对比 | 第30-31页 |
| 3.5 本章总结 | 第31-32页 |
| 第4章 机会网络链路预测模型 | 第32-45页 |
| 4.1 深度学习 | 第32-33页 |
| 4.1.1 深度学习基本思想 | 第33页 |
| 4.1.2 深度学习的训练过程 | 第33页 |
| 4.2 条件深度信念网络 | 第33-39页 |
| 4.2.1 受限玻尔兹曼机 | 第33-36页 |
| 4.2.2 条件受限玻尔兹曼机 | 第36-38页 |
| 4.2.3 条件深度信念网络模型 | 第38-39页 |
| 4.3 CDBN预测模型构建 | 第39-44页 |
| 4.3.1 样本构造方法 | 第39-41页 |
| 4.3.2 模型描述 | 第41-43页 |
| 4.3.3 训练和分类 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 实验结果分析与评价 | 第45-55页 |
| 5.1 实验数据集 | 第45-46页 |
| 5.2 评价指标 | 第46页 |
| 5.3 CDBN预测模型的验证 | 第46-54页 |
| 5.3.1 样本空间构造 | 第47-49页 |
| 5.3.2 不同CRBM层数结果分析对比 | 第49-51页 |
| 5.3.3 不同学习率调整方式结果分析对比 | 第51页 |
| 5.3.4 不同样本维度下两种预测模型性能分析对比 | 第51-53页 |
| 5.3.5 CDBN预测模型验证及结果分析 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 6.1 全文总结 | 第55页 |
| 6.2 研究展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间参与课题情况 | 第61-62页 |
| 攻读硕士期间发表论文、软件著作权、专利及获奖情况 | 第62-63页 |
| 致谢 | 第63-64页 |