信息传播网络中信息源推断问题的研究
摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第一章 绪论 | 第16-26页 |
1.1 论文的研究背景与意义 | 第16-21页 |
1.1.1 研究背景 | 第16-18页 |
1.1.2 研究意义 | 第18-21页 |
1.2 相关工作与研究现状 | 第21-23页 |
1.3 本文的结构与主要贡献 | 第23-26页 |
第二章 信息源推断问题的预知识 | 第26-38页 |
2.1 引言 | 第26页 |
2.2 基本概念 | 第26页 |
2.3 信息传播模型 | 第26-28页 |
2.4 信息网络模型 | 第28-31页 |
2.5 单样本下的信息源推断 | 第31-33页 |
2.5.1 传播模型 | 第31页 |
2.5.2 问题描述 | 第31-32页 |
2.5.3 最大似然检测器 | 第32-33页 |
2.6 波利亚罐子模型 | 第33-34页 |
2.7 谣言向心性算法与检测性能 | 第34-35页 |
2.8 小结 | 第35-38页 |
第三章 多样本观测下的信息源推断 | 第38-66页 |
3.1 引言 | 第38页 |
3.2 信息传播模型 | 第38-39页 |
3.3 问题描述 | 第39-40页 |
3.4 最大似然估计器 | 第40-41页 |
3.5 规则树的联合谣言向心性 | 第41-43页 |
3.6 规则树的正确检测分析 | 第43-50页 |
3.6.1 引理 | 第43-46页 |
3.6.2 正确检测概率的定理 | 第46-50页 |
3.7 树图下的算法 | 第50-54页 |
3.7.1 规则树的正确检测概率 | 第50页 |
3.7.2 联合谣言向心性的计算 | 第50-52页 |
3.7.3 算法效率 | 第52-54页 |
3.8 一般图下的性能表现 | 第54-57页 |
3.8.1 一般图的检测器 | 第54-55页 |
3.8.2 一般树图下的性能表现 | 第55页 |
3.8.3 一般图下的性能表现 | 第55-57页 |
3.9 定理证明 | 第57-64页 |
3.10 小结 | 第64-66页 |
第四章 带有时序信息的信息源推断 | 第66-100页 |
4.1 引言 | 第66页 |
4.2 信息传播模型 | 第66-67页 |
4.3 问题描述 | 第67页 |
4.4 最大似然检测器 | 第67-69页 |
4.5 算法 | 第69-76页 |
4.5.1 受限谣言向心性算法 | 第69-74页 |
4.5.2 一个次优的快速启发式算法 | 第74-76页 |
4.6 规则树下的检测性能分析 | 第76-88页 |
4.6.1 随机选取的锚节点 | 第76-83页 |
4.6.2 互相连通的锚节点 | 第83-88页 |
4.7 一般图下的检测性能表现 | 第88-91页 |
4.8 小结 | 第91-100页 |
第五章 其他场景下的信息源推断 | 第100-120页 |
5.1 感染节点可以恢复(SIS)的信息源推断 | 第100-107页 |
5.1.1 引言 | 第100页 |
5.1.2 信息传播模型 | 第100-101页 |
5.1.3 SIS模型下的信息源推断分析 | 第101-102页 |
5.1.4 信息源推断算法 | 第102-103页 |
5.1.5 检测性能表现 | 第103-106页 |
5.1.6 小结 | 第106-107页 |
5.2 多信息源节点的信息源推断 | 第107-113页 |
5.2.1 引言 | 第107页 |
5.2.2 信息传播模型 | 第107-108页 |
5.2.3 正确检测概率分析 | 第108-112页 |
5.2.4 一般图下的检测性能表现 | 第112-113页 |
5.3 多样本序贯观测下的信息源推断 | 第113-117页 |
5.3.1 引言 | 第113-114页 |
5.3.2 信息传播模型 | 第114-115页 |
5.3.3 正确检测概率分析 | 第115-117页 |
5.4 小结 | 第117-120页 |
第六章 总结与展望 | 第120-126页 |
6.1 工作总结 | 第120-123页 |
6.2 未来研究计划与展望 | 第123-126页 |
参考文献 | 第126-132页 |
致谢 | 第132-134页 |
在读期间发表的学术论文与取得的研究成果 | 第134-136页 |
攻读博士学位期间的项目经历 | 第136页 |