一种基于节点间资源承载度的链路预测方法

链路预测旨在发现网络的未知、缺失连接,具有重要的实际应用价值。基于网络结构相似性的链路预测方法具有简单且有效的特点,受到各领域学者的普遍关注。然而,许多现有方法在计算节点间存在连接可能性时,忽视了节点间资源承载能力的影响。鉴于此,该文提出一种基于节点间资源承载度的链路预测方法。该方法首先通过分析节点间资源传输过程,进而对节点间资源承载能力进行量化,提出资源承载度。然后,基于资源承载度对节点间连接可能性的影响进行分析,并提出相应的链路预测方法。9个真实网络的实验结果表明,相比其他链路预测方法,该方法在3个衡量标准下均具有较高的预测精度。     

基于预测误差修正的时序链路预测方法

论文主要针对时序链路预测方法进行研究。分析了静态链路预测方法的弊端,认为忽视网络演化趋势信息会对链路预测产生负面影响;还提出了链路预测误差的概念用于描述网络趋势信息,并以此为基础提出一种基于预测误差修正的时序链路预测方法。该方法首先对待预测时刻之前一个时间窗口内的多幅网络图分别采用静态链路预测方法进行预测,记录每次的预测误差并计算其修正值,最后对待测时刻静态预测结果进行修正得到最终预测结果。通过在两个真实网络数据集上进行系列实验表明,该方法较大提升了静态链路预测方法的预测精确度,与另一种典型的时序链路预测方法相比其精度也有所提升,且算法时间复杂度较低。另外,实验中还发现链路预测误差序列与网络链路总数序列存在镜面对称关系,分析其内在原因证明了所提方法的普适性。     

基于高阶路径相似度的复杂网络链路预测方法

针对目前链路预测方法普遍存在精度不高、效率低等问题,提出了基于高阶路径相似度的复杂网络链路预测方法.首先,利用路径作为判别特征对复杂网络中的缺失链接进行预测,以实现资源的有效分配,并通过惩罚公共近邻对信息泄露进行限制.其次,将高阶路径作为判别特征,对种子节点对间的可用长路径实施惩罚.最后,利用多个真实复杂网络数据集进行...     

卫星通信链路的传输质量及有效性

本文首先给出了卫星通信链路传输质量及有效性的解释和意义，然后列出了国际上有关组织对传输质量有有效性的标准和建议，最后对影响传输质量和有效性的因素进行了讨论。     

一种基于线性规划的有向网络链路预测方法

大多数有向网络链路预测方法在计算节点相似性时没有充分考虑有向网络的结构特点,未区分不同有向邻居对连边形成具有的贡献差异,导致预测性能受到局限。鉴于此,该文提出一种基于线性规划的有向网络链路预测方法。该方法对3种有向邻居的信息贡献进行量化分析,结合结构特点建立线性规划模型,进而通过求解贡献矩阵的最优解构建相似性指标。9个真实有向网络中的实验结果表明,所提方法相比于9种现有方法在两种衡量标准下表现出较高的预测性能与良好的鲁棒性。     

一种融合局部拓扑影响力的时序链路预测算法

链路预测旨在发现复杂网络中的未知连接和未来可能的连接,在推荐系统等实际应用中具有重要作用。考虑到许多真实网络的时序特性,时序链路预测逐渐成为研究热点。当前,基于时间序列分析的方法往往忽略了网络演化过程对网络本身的影响,而基于静态网络演化的方法大多仅考虑了局部连边的演化影响,对网络拓扑结构的演化特性挖掘有限。针对上述问题,该文提出一种融合局部拓扑影响力的时序链路预测算法(TLP-FLSI)。首先,基于网络拓扑结构影响力作用,提出时序链路预测的通用模型(CTLPM);其次,研究拓扑实体间相互作用在动态网络上的演化规律,分别定义了节点和连边的演化因子,以及时间序列衰减的演化因子,综合利用多个维度的特征信息,给出了融合局部节点和连边特征影响力的时序链路预测算法;最后,在7个真实数据集上分别进行实验,对比传统基于移动平均方法、误差修正、邻居扩展加权和图注意力网络等时序链路预测方法,实验结果证明该算法具有较好的准确率和排序性能。     

一种基于节点活跃度的链路预测改进算法

针对赛博空间中的社会舆情数据链路预测的问题,提出将网络节点活跃度作为一个重要的指标整合到预测算法中,以提高链路预测的准确性和科学性。首先定义了节点活跃度并构建三个用于表示节点活跃度的函数,然后以实际数据为样本进行实例验证,最后通过与三个主流算法在使用三个函数前后的准确度进行比较,链路预测的准确度有明显提高。     

一种与聚类系数相结合的链路预测方法

针对目前的链路预测方法考虑了共同邻居节点的数量,并没有综合考虑局部邻居节点的聚类系数信息,忽略了节点之间的紧密程度对链路预测的影响,故提出一种基于聚类系数的链路预测方法。该方法将共同邻居节点的聚类系数添加到结构相似性的四种链路预测方法中(CN,AA,RA,PA),并将改进的方法在四种数据集上同六种基于结构相似性的链路预测方法进行比较。实验结果证明,基于聚类系数的链路预测方法可以进一步提高链路预测的效果。     

基于相似性指标的链路预测方法

预测网络缺失的链接或者未来可能出现的链接对于挖掘网络中重要信息及分析网络演化机制有着重要的意义。过去的几十年,许多来自不同领域的学者提出了许多方法解决链路预测问题。文章总结了近年来基于相似性指标的链路预测方法及链路预测方法在现实网络中的典型应用。文章根据相似性指标所考虑的信息的不同,分析了四类基于相似性指标的链路预测方法。     

基于复杂网络的Psor链路预测算法

复杂网络领域中,链路预测在网络演化规律的研究中被广泛应用,具有巨大的实际应用价值。针对现有的基于网络拓扑的链路预测方法存在预测精度偏低的问题,提出了一种基于复杂网络的Psor链路预测算法。该算法综合节点自身和邻居节点的度,定义了节点的Psor指数和Psor相似性指标进行链路预测。该算法能够全面考虑复杂网络的局部结构信息,更加准确地对复杂网络链路进行预测。仿真结果表明,Psor链路预测算法的预测精度相比8种经典的相似性算法的预测精度最高提升了37.96%。     

透明光网络中自适应传输的复杂机理分析及控制

从分析多业务驱动下未来光网络的演进趋势入手,提出透明光网络中自适应传输的思想,详细分析了由此所引入的复杂机理及所需要的动态控制关键技术,并通过构建自适应传输模型,对所提出的实现方案进行了计算机仿真验证。     

基于双曲图注意力网络的知识图谱链路预测方法

现有的大多数知识表示学习模型孤立地看待每个知识三元组,未能发现和利用实体周围邻域特征信息,并且将树状层级结构的知识图谱嵌入到欧式空间,会带来嵌入式向量高度失真的问题。为解决上述问题,该文提出了一种基于双曲图注意力网络的知识图谱链路预测方法(HyGAT-LP)。首先将知识图谱嵌入到负常数曲率的双曲空间中,从而更契合知识图谱的树状层级结构;然后在所给实体领域内基于实体和关系两种层面的注意力机制聚合邻域特征信息,将实体嵌入到低维的双曲空间;最后利用得分函数计算每个三元组的得分值,并以此作为判定该三元组成立的依据完成知识图谱上的链路预测任务。实验结果表明,与基准模型相比,所提方法可显著提高知识图谱链路预测性能。     

基于深度卷积神经网络的多节点间链路预测方法

目前,链路预测的研究主要针对拓扑结构变化缓慢的社交网络,集中在单节点对的链路预测.本文针对拓扑变化频繁的机会网络,提出一种基于模式分类的多节点间链路预测方法.该方法基于混沌时间序列理论确定机会网络的切片时间,采用状态图表征网络的拓扑结构,借助深度卷积神经网络在特征提取上的优势,从状态图的演化过程中提取机会网络的结构特征,根据当前特征推断未来链路的演化模式,实现多节点间的链路预测.在ITC（Imote-Traces-Cambridge）真实数据集上的实验结果表明,相比于基于CN（Common Neighbor）、AA（Adamic-Adar）、Katz等预测方法,本文方法具有更好的精度和稳定性.     

基于USB和Camera Link的数据传输系统设计

为了使CCD相机和上位机之间能够进行简单、实时的数据传输,提出一种以USB和Camera Link接口相结合的数据传输系统设计方案。通过FPGA对接口芯片进行控制,使用VHDL语言进行逻辑电路的设计,并采用VC++编写上位机软件。实现由USB接口接收数据,USB或Camera Link接口输出数据。实验表明,设计的系统能够准确、实时地接收控制命令和向上位机发送高速率、大容量的图像数据,可以应用在不同数据传输要求的CCD相机中。     

一种用于雷达资源管理的目标雷达截面积预测算法

在管理与优化雷达有限资源的应用中,目标的雷达截面积的起伏会对资源分配后的效果产生巨大的影响。针对该问题,该文提出一种对目标的雷达截面积进行预测的方法。该方法首先对回波进行处理以获取目标雷达截面积的测量值,进而通过概率密度转移的方法对目标在下一个时刻的雷达截面积进行预测。通过对来自3种飞机的雷达实测数据的计算,验证了该预测方法能够得到较为准确的预测值。最后,建立功率分配的优化方程,并通过仿真验证了对雷达截面积准确的预测能够提高功率分配后的测量精度。     

移动Ad hoc网络中基于链路稳定性预测的按需路由协议

移动Ad hoc网络拓扑的高度动态变化是造成传统按需路由协议的路由频繁通断的主要原因,因此在传统按需路由协议的基础上进行链路稳定性预测扩展,增强路由稳定性具有十分重要的意义。该文利用分组的接收功率把节点间的相对运动划分为靠近和远离两种类型,然后在不同相对运动类型下根据节点间距离得到了的链路平均维持时间。在路由过程中,中间节点利用得到的链路平均维持时间设置请求报文的转发延迟,通过一定转发规则选择稳定性较强的链路构成路径。仿真结果表明进行链路稳定性预测扩展后的按需路由协议能够有效增强路由的稳定性,并提高网络性能。     

面向城市交通网络的一种新型动态路径寻优方法

 针对静态路径寻优方法中没有考虑到交通流随时间变化的问题,本文提出一种基于交通流量预测的路径寻优方法.首先,从实际交通路网本身的特点和人类对路网的认识出发,构建以"道路"为基本元素的新型路网模型;其次,采用基于单变量时间序列的预测方法对路网上各路段未来一段时间内的道路交通流量进行预测,并根据预测结果估计出行者在未来时段各路段上的交通代价;再次,通过估计的交通代价把车辆从起点到该路段时间内的道路交通变化状况融入改进A^*算法的路径搜索过程,从而建立一种高效的动态改进A^*路径搜索算法;最后,实例表明预测交通流量与实际交通流量具有很好的拟合度,路径搜索结果能够对出行者起到诱导作用,提高出行者行驶效率.