首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

异构网络中实体影响力量化方案的研究与实现

致谢第5-6页
摘要第6-7页
ABSTRACT第7-8页
1 引言第12-21页
    1.1 选题背景和意义第13-15页
        1.1.1 选题背景第13-14页
        1.1.2 研究意义第14-15页
    1.2 研究现状第15-19页
        1.2.1 异构网络第15-17页
        1.2.2 异构聚类算法第17-18页
        1.2.3 影响力度量算法第18-19页
    1.3 论文工作和创新点第19页
    1.4 论文组织结构第19-21页
2 相关技术第21-31页
    2.1 异构网络聚类算法第21-24页
        2.1.1 RankClus第21-22页
        2.1.2 NetClus第22-24页
    2.2 最优化技术第24-27页
        2.2.1 随机梯度下降法第24-25页
        2.2.2 吉洪诺夫正则化第25-27页
    2.3 影响力评估算法第27-30页
        2.3.1 FutureRank文献排名算法第27-28页
        2.3.2 基于作者权威值的文献排名算法第28-29页
        2.3.3 基于作者合作网络的排名算法第29-30页
    2.4 本章小结第30-31页
3 异构网络描述模型第31-37页
    3.1 描述方法第31页
    3.2 同构网络模型第31-33页
    3.3 典型异构网络及描述模型第33-36页
        3.3.1 典型异构网络第33-34页
        3.3.2 异构网络模型第34-36页
    3.4 本章小结第36-37页
4 学术论文网络中的实体影响力量化第37-51页
    4.1 学术论文网络第37-38页
    4.2 问题分析及解决思想第38-39页
    4.3 影响力量化详细过程第39-45页
        4.3.1 数据及预处理第39-40页
        4.3.2 影响力初始量化第40-42页
        4.3.3 影响力流通的平衡计算第42-45页
    4.4 实验设计与验证第45-50页
        4.4.1 实验评价标准第45-46页
        4.4.2 实验过程与结果第46-49页
        4.4.3 实验分析与结论第49-50页
    4.5 本章小结第50-51页
5 基于异构聚类的方案改进第51-73页
    5.1 必要性分析第51-52页
    5.2 张量分解第52-57页
    5.3 方案引入异构聚类算法TDSCLUS第57-62页
        5.3.1 张量聚类原理第57-58页
        5.3.2 TDSClus算法过程第58-62页
        5.3.3 时间复杂度分析第62页
    5.4 实验设计与验证第62-72页
        5.4.1 实验评价指标第62-63页
        5.4.2 数据集与张量构造第63-64页
        5.4.3 实验过程与结果第64-70页
        5.4.4 实验分析与结论第70-72页
    5.5 本章小结第72-73页
6 研究结论与展望第73-75页
    6.1 研究结论第73-74页
    6.2 不足与展望第74-75页
参考文献第75-79页
作者简历及攻读硕士学位期间取得的研究成果第79-83页
学位论文数据集第83页

论文共83页,点击 下载论文
上一篇:基于学习的深度图像上采样算法
下一篇:敏感图像识别系统辅助功能的设计与实现