分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-12-13 合作期刊: 《计算机应用研究》
摘要： 网络的可靠性是复杂网络研究的一个重要领域，能有效刻画某些复杂系统的超网络属于复杂网络的研究范畴。基于超网络的拓扑结构——超图，提出了超网络在边失效下的全终端可靠度的定义，并给出了计算可靠度的两种基本方法，即状态枚举法和因式分解法，依据因式分解法对一些具有特殊结构的超网络进行化简。作为超网络可靠性的应用，研究了连通生成子网络的数目；在与普通复杂网络的对比中可以得知，超网络的可靠性研究不能其用转换后的普通复杂网络可靠性作替代研究。该研究是对超网络可靠性研究的初步探索，这方面有着广阔的研究空间和应用前景。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-12-13 合作期刊: 《计算机应用研究》
摘要： 现有的链路预测方法的数据来源主要是基于邻居、路径、和随机游走的方法，使用的是节点相似性假设或者最大似然估计，尚缺少基于神经网络的链路预测研究。基于神经网络的一些研究表明，基于神经网络的DeepWalk网络表示学习算法可以更加有效地挖掘到网络中的结构特征，已有研究证明DeepWalk等同于分解目标矩阵。因此，提出了一种基于矩阵分解的DeepWalk链路预测算法（LPMF）。该算法首先基于矩阵分解的DeepWalk算法分解得到网络的表示向量；然后通过余弦相似度计算每对节点之间的相似度，构建目标网络的相似度矩阵；最后利用相似度矩阵，在三个真实的引文网络中进行链路预测实验。实验结果表明，提出的链路预测算法性能优于现存的20余种链路预测算法，这充分表明了LPMF能够有效地挖掘网络中节点之间的结构关联性，而且在实际网络的链路预测中能够发挥出较为优异的性能。
点击量
点击量
下载量
评论
