检索规则说明:AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
检 索 范 例 :范例一: (K=图书馆学 OR K=情报学) AND A=范并思 范例二:J=计算机应用与软件 AND (U=C++ OR U=Basic) NOT M=Visual
机构地区:[1]安徽工程大学计算机与信息学院,安徽芜湖241000 [2]安徽工程大学计算机应用技术重点实验室,安徽芜湖241000
出 处:《安徽科技学院学报》2016年第5期62-66,共5页Journal of Anhui Science and Technology University
基 金:安徽省高等教育提升计划省级自然科学研究一般项目(TSKJ2015B20);安徽工程大学计算机应用技术重点实验室开放基金项目(JSJKF201515);安徽工程大学校青年基金项目(2009YQ040)
摘 要:复杂网络通过新节点和新链接的增加而随着时间快速演化,使用网络的静态特征难以产生精确的链接预测。通过分析动态网络特征,结合张量分解,提出了一种新的基于动态网络的链接预测方法,并应用于真实的复杂动态网络数据集中对未来链接进行分析预测,实验演示了该方法的优点和效果,取得了较好的预测结果。Complex networks evolve rapidly over time by adding new nodes and new links, and it is difficult to get an accurate prediction by using the static characteristics of networks. By analyzing the dynamic characteristics of the networks, according to the tensor factorization theory, a new method of link prediction based on dynamic network is proposed, which is applied to the real complex dynamic network data for link analysis and prediction, The experiment demonstrates the advantages and effectiveness of this method, which achieves good prediction performance.
分 类 号:TP391[自动化与计算机技术—计算机应用技术]
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在链接到云南高校图书馆文献保障联盟下载...
云南高校图书馆联盟文献共享服务平台 版权所有©
您的IP:216.73.216.117