| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 注释表 | 第11-13页 |
| 第1章 引言 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 国内外研究现状及存在的问题 | 第15-18页 |
| 1.2.1 国内外主要研究成果 | 第15-17页 |
| 1.2.2 链路预测研究中存在的问题 | 第17-18页 |
| 1.3 本文研究目标和内容 | 第18-19页 |
| 1.4 论文结构 | 第19-21页 |
| 第2章 复杂网络链路预测的相关理论基础 | 第21-29页 |
| 2.1 链路预测概念 | 第21-22页 |
| 2.2 评价指标 | 第22-23页 |
| 2.3 基于拓扑结构的链路预测方法 | 第23-26页 |
| 2.3.1 基于邻居相似性的算法 | 第23-24页 |
| 2.3.2 基于路径的相似性算法 | 第24-25页 |
| 2.3.3 无监督的随机游走方法 | 第25-26页 |
| 2.4 基于分类学习的链路预测方法 | 第26-28页 |
| 2.4.1 基于KNN的链路预测方法 | 第26页 |
| 2.4.2 基于Bayes的链路预测方法 | 第26-27页 |
| 2.4.3 基于SVM的链路预测方法 | 第27页 |
| 2.4.4 基于时序的链路预测方法 | 第27页 |
| 2.4.5 基于概率模型的链路预测方法 | 第27-28页 |
| 2.5 其他方法 | 第28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 不同拓扑结构网络的特性分析 | 第29-37页 |
| 3.1 数据集 | 第29-31页 |
| 3.2 数据预处理 | 第31页 |
| 3.3 数据基本拓扑结构分析 | 第31-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 HNWC网络中的链路预测方法 | 第37-49页 |
| 4.1 社区发现方法简介 | 第37页 |
| 4.2 基于链接密度聚类的重叠社区发现算法 | 第37-39页 |
| 4.2.1 DBLINK算法定义 | 第37-38页 |
| 4.2.2 DBLINK时间复杂性分析 | 第38-39页 |
| 4.3 结合社区信息的链路预测模型 | 第39-42页 |
| 4.3.1 CLPEM模型定义 | 第39-40页 |
| 4.3.2 CLPEM模型时间复杂性分析 | 第40-42页 |
| 4.4 和邻居相似的方法SN | 第42-43页 |
| 4.4.1 SN方法定义 | 第42-43页 |
| 4.4.2 SN时间复杂性分析 | 第43页 |
| 4.5 实验及结果分析 | 第43-48页 |
| 4.5.1 数据集 | 第43页 |
| 4.5.2 评价指标 | 第43-44页 |
| 4.5.3 对比方法 | 第44页 |
| 4.5.4 SN方法中的参数确定 | 第44-45页 |
| 4.5.5 实验分析 | 第45-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第5章 TCWC和SCBC网络中的链路预测方法 | 第49-61页 |
| 5.1 网络演化概述 | 第49页 |
| 5.2 模仿学习策略IL | 第49-52页 |
| 5.2.1 IL方法的定义 | 第49-52页 |
| 5.2.2 IL时间复杂性分析 | 第52页 |
| 5.3 实验及结果分析 | 第52-59页 |
| 5.3.1 数据集 | 第52页 |
| 5.3.2 评价指标 | 第52-53页 |
| 5.3.3 对比方法 | 第53-54页 |
| 5.3.4 实验分析 | 第54-58页 |
| 5.3.5 基于拓扑的链路预测方法中存在的问题分析 | 第58-59页 |
| 5.4 本章小结 | 第59-61页 |
| 第6章 结束语 | 第61-64页 |
| 6.1 工作总结 | 第61-63页 |
| 6.2 后续研究工作 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第70页 |