基于共同邻居有效性的复杂网络链路预测算法

链路预测旨在预测网络中的缺失连边，对于实际网络演化机制的了解具有重要意义。虽然现有研究已经提出了很多相似性指标，但它们都忽视了不同网络结构下共同邻居的有效性，而局部拓扑结构信息尤其是共同邻居结构在计算节点间相似性中发挥重要作用。考虑到共同邻居周围局部拓扑信息，该文提出了一种高效共同邻居指标。该指标首先分析了共同邻居所有连边的有效性，分别从端点两侧量化了节点的有效性；然后，通过分析共同邻居节点拓扑有效性对两侧资源分配过程的影响刻画节点间相似性。15个实际网络数据实验表明，相比现有经典的9种方法，所提方法具有较高的预测精度。     

融合用户行为同步指标的链路预测研究

现有链路预测方法大多基于网络结构相似性及连边的权重特征,没有有效挖掘连边权重形成的时序信息。考虑到两个节点行为的时间同步性往往是由于两个节点存在链接造成的,因此在网络结构的重构研究中通常利用节点的行为同步性来反推它们之间是否存在链接关系。该文尝试将节点同步性信息这一网络重构的方法引入链路预测领域,提出一种网络拓扑相似性上融合节点行为同步指数的链路预测算法。经过两类6种真实网络数据的比较分析,发现该算法可有效提高链路预测准确率,相比现有方法,Precision指标提高了15.3%～68.2%。该研究不仅发现节点局域结构相似性和节点行为同步指数对链路预测的共同影响,也揭示了不同类别真实加权网络的内在结构和动态特征。     

基于模块度相似性的二分网络链路预测算法

基于社团结构,提出模块度相似性的二分网络链路预测算法,克服了二分网络在链路预测中丢失社团结构信息的局限性。首先,通过定义二分模块度,利用奇异值分解,将网络中的节点嵌入到欧式空间中的向量。其次,提出二分网络模块度相似性的框架,利用向量余弦相似度定义二分网络节点对之间的模块度相似性指标(MS指标)。最后,基于小提琴图和评价指标AUC,在3个真实网络上进行模拟仿真,与9种链路预测相似性指标进行对比,证明MS指标用于二分网络链路预测具有较高的精度。     

基于资源传输节点信息耦合度的链路预测方法

现有的基于资源传输的链路预测方法仅考虑了路径信息的影响,却忽略了拓扑信息耦合对资源传输的促进作用。鉴于此,提出了一种基于资源传输节点信息耦合度的链路预测方法。首先根据拓扑信息定义了节点间信息耦合度和资源传输的路径载重量,从两个角度分别对节点间的相似性进行度量;然后为保证融合的科学性,基于链路预测的AUC给出权重,定义了结合节点间资源传输路径载重量和信息耦合度的链路预测方法(TP);最后在6个真实网络上进行数值仿真对比实验,验证方法的可行性与有效性。结果表明,文中所提方法不仅具有更高的预测精度,而且鲁棒性表现良好。     

一种基于飞行器移动特征的网络拓扑控制机制

在高速移动节点组成的空中交通网络中,节点的高速移动会增大路由路径中断的概率,进而增大重路由的频率,使网络的通信性能下降。选择可用度较高的链路生成路由路径,能够有效降低重路由频率,提高路由路径的可用时间。文中提出了一个将航空自组织网络的节点移动特征和链路可用度相结合的拓扑控制机制,并将该机制与OLSR协议结合,生成新的路径链接可用度路由协议(LAR协议)。通过仿真实验对比不同场景下LAR协议与其他路由协议的性能,包括端到端延迟、路径可用性及路径长度,结果表明,LAR协议可明显增加路径的可用时间,同时端到端延时和路径可用率2项指标的性能也较为理想。     

复杂网络链路预测

网络中的链路预测是指如何通过已知的网络结构等信息预测网络中尚未产生连边的两个节点之间产生连接的可能性。预测那些已经存在但尚未被发现的连接实际上是一种数据挖掘的过程,而对于未来可能产生的连边的预测则与网络的演化相关。传统的方法是基于马尔科夫链或者机器学习的,往往考虑节点的属性特征。该类方法虽然能够得到较高的预测精度,但是由于计算的复杂度以及非普适性的参数使其应用范围受到限制。另一类方法是基于网络结构的最大似然估计,该类方法也有计算复杂度高的问题。相比上述两种方法,基于网络结构相似性的方法更加简单。通过在多个实际网络中的实验发现,基于相似性的方法能够得到很好的预测效果,并且网络的拓扑结构性质能够帮助选择合适的相似性指标。该文综述并比较了若干有代表性的链路预测方法,展望了若干重要的开放性问题。     

加权网络中基于多路径节点相似性的链接预测

鉴于现有大多数链接预测算法仅考虑了图的局部或全局特性,在预测准确率和计算复杂度上难以均衡,且有关加权网络的链接预测研究相对较少,提出新的加权社会网络链接预测算法(STNMP).引入节点对边权强度的概念,用于度量邻居节点间的局部相似度.提出路径相似性贡献的概念,定义多路径传输节点相似性,用于描述步长为2和3的所有路径及这些路径上的中间节点对于所连接的两个节点的相似性总贡献.在多个真实网络中对算法的有效性进行验证,以AUC作为评价指标,与经典相似性算法CN、Jaccard、AA等进行预测准确率的对比分析.结果显示,针对小规模社会网络,STNMP算法的预测准确率高于现有算法.     

加权网络中基于多路径节点相似性的链接预测

鉴于现有大多数链接预测算法仅考虑了图的局部或全局特性,在预测准确率和计算复杂度上难以均衡,且有关加权网络的链接预测研究相对较少,提出新的加权社会网络链接预测算法(STNMP).引入节点对边权强度的概念,用于度量邻居节点间的局部相似度.提出路径相似性贡献的概念,定义多路径传输节点相似性,用于描述步长为2和3的所有路径及这些路径上的中间节点对于所连接的两个节点的相似性总贡献.在多个真实网络中对算法的有效性进行验证,以AUC作为评价指标,与经典相似性算法CN、Jaccard、AA等进行预测准确率的对比分析.结果显示,针对小规模社会网络,STNMP算法的预测准确率高于现有算法.     

相似性与结构平衡论结合的符号网络边值预测

针对传统社会网络中基于相似性的链接预测算法在预测准确率和计算复杂度上难以均衡,且无法直接应用于符号网络的问题,为了实现符号网络中的链接预测与符号预测双重目标,提出一种基于相似性与结构平衡理论的符号网络边值预测方法(PSNBS)。首先,结合符号网络拓扑特征和最优步长的选择,有效融合属性相似性和路径结构相似性,定义了两节点基于结构平衡理论的2-step相似度和3-step相似度。其次,考虑到不同步长的路径对于两节点相似性的不同贡献程度,引入可调步长影响因子,并在此基础上定义了两节点基于平衡论的边值预测得分。得分的绝对值度量了两节点的相似程度,即未来链接建立的概率;得分的正负即为未来链接的符号预测结果。再次,针对边值预测得分为0的特殊情况,引入节点负密度的概念,采用节点的度特征进行符号预测。最后,依据边值预测得分和节点负密度完成链接预测和符号预测。以、和为评价标准,在多个数据集上进行了实验。结果显示了所提算法的有效性和强健性,对于未来链接预测以及已有边的符号预测均能达到较高的预测准确率。此外,与经典的符号预测CN和ICN算法的实验对比分析显示,PSNBS算法符号预测准确率更高。     

低支持度关联规则挖掘的一种算法

针对已有的对低支持度关联规则进行挖掘的算法中没有提出对具有多个相关项的关联规则进行挖掘的有效方法，本文提出一种能够对低支持度关联规则的多个相关项进行有效挖掘的方法。算法基于相似度来衡量各个相关项的关联程度，在已有算法的基础上增加了一次特殊的矩阵转换，从而将对项的相似度衡量方法进行了转换，转换后的矩阵可以基于Apriori性质来拓展多个相似相关项。算法在低支持度情况下具有较高的挖掘效率和良好的挖掘效果，算法还可以用来挖掘多个项之间的排斥规则。     

基于卷积神经网络的链接表示及预测方法

针对节点全局表示和链接局部拓扑关系,提出链接序列化表示及卷积神经网络（CNN）提取序列特征的链接预测方法.研究节点间的局部拓扑及共邻关系,基于共邻紧密度构建链接局部拓扑的有序节点序列,并用node2vec节点向量表达生成潜在链接的矩阵表示;基于CNN建立链接预测的分类模型,采用CNN可变滤波器窗口卷积运算提取序列中共邻与节点对的多层隐含关系,分类训练实现链接的有效预测.在4种大规模网络数据集上的实验结果表明,相比已有方法,该方法的AUC值有显著提高,最高达12.4%,稳定性及普适性较强,解决了传统方法对大规模稀疏网络的预测准确率下降问题.     

基于隐朴素贝叶斯模型的链路预测算法

针对目前基于共邻节点及其改进的链接预测模型中存在对共邻节点间的依赖关系考虑不足,不能完全利用网络的拓扑结构信息的问题,本文提出了基于隐朴素贝叶斯模型和双隐朴素贝叶斯模型的链接预测方法。算法考虑共邻节点间互相依赖关系及其依赖关系的不同,通过隐朴素贝叶斯分类模型计算节点之间的相似性,利用条件互信息来衡量节点间的依赖程度,提高链接预测的准确率。采用网络DBLP和Email的真实数据作为实验数据集,使用AUC和Precision方法来评价本文的预测模型,实验结果表明,本文方法比目前主流方法的预测效果更好,验证了方法的准确性。     

多目标融合势博弈无线自组网络拓扑控制算法

针对基于博弈论的无线自组网络拓扑控制算法存在个别"瓶颈节点"负载不均衡、冗余链路多、生存时间短的问题,提出了一种多目标融合的网络拓扑控制算法。首先通过分析网络的连通性、节点发射功率、剩余能量、节点度、链路质量和链路长度对节点负载的影响,设计了一种改进的综合效用函数;建立多目标融合的网络拓扑控制势博弈模型,并证明该模型是序数势博弈且存在纳什均衡解;在维持网络k-连通的基础上,再采用最小路集算法对博弈后的网络拓扑链路进行优化,剔除冗余链路。仿真实验及对比分析结果表明,所提算法在保证网络连通性的前提下,实现了网络负载均衡,消除了冗余链路,生存时间相较于分布式能耗均衡拓扑控制算法、能量平衡拓扑控制博弈算法和节能容错拓扑控制博弈算法分别提升了25.4%、92.6%、36.8%。     

基于最优刚性子图的势博弈无线传感器网络拓扑优化算法

为了高效的利用网络资源,均衡网络拓扑能耗、剔除网络拓扑冗余链路、降低节点负载、最大化的延长网络的生命周期。本文通过势博弈和最优刚性子图的概念,综合考虑节点的剩余能量、节点的负载及网络拓扑链路的冗余性,设计了一种基于最优刚性子图的势博弈无线传感器网络拓扑优化算法(PGOSG)。首先,根据节点间通信的功率变化,构造节点的功率集合作为博弈的策略集,利用势博弈理论以均衡能耗均衡为目标构建势博弈函数,并使其收敛至纳什均衡点,进而构建初步的网络拓扑结构。然后,利用最优刚性图全局链路数较少,且不损坏网络拓扑结构的特性,在上一步构建的网络拓扑结构上,利用最优刚性子图逐层剔除网络拓扑中的冗余链路,得到最终的网络拓扑结构。仿真实验分析了PGOSG算法的网络拓扑图、链路通信质量、网络鲁棒性以及网络生命周期,并将其与现有的DEBA算法进行了对比。从仿真结果可知：在拓扑结构上,PGOSG算法在网络的通信链路上剔除了网络中的冗余链路,降低了网络中部分节点的负载。在能耗均衡上,博弈算法制定了节点数据转发规则有效的利用了网络资源,均衡了节点能耗、避免节点间冗余转发。因此本文提出的算法能够剔除网络中的冗余链路,降低节点的负载和链路权值,延长网络生存时间。     

保证高可靠度和低传输开销的DTN拓扑控制

由于时延容忍网络中复杂的环境可能导致网络节点失效或链路故障,再加上节点的持续移动和链路的间歇连通,都给网络可靠拓扑控制带来挑战．为解决这些问题,基于时空图提出了有效的可靠拓扑控制方案．该方案适用于节点周期性运动的卫星网络、星际网络等时延容忍网络．首先将网络拓扑转化为时空图;然后定义了网络的可靠拓扑控制问题,拓扑控制保证在网络连通的条件下,寻找网络中任意节点对的最可靠路径,并最小化网络的传输开销;最后提出了两个算法来解决此问题．仿真验证了提出的方法既能保证网络的可靠性,还能降低网络的传输开销,从而说明提出的拓扑控制方案适用于拓扑周期性可预测的时延容忍网络．     

基于学习自动机与萤火虫算法的链路预测

便携交换网络由具有社区属性和移动规律的人组成,具有节点移动性、节点间间歇性连接、高延迟等特点,本文研究其网络行为预测中的链路预测问题,提出基于学习自动机和萤火虫算法的链路预测方法。采用学习自动机对节点进行自适应聚类,完成网络的社区划分;定义社区属性影响系数和移动行为影响系数,构建反映便携交换网络社区属性、节点移动性和节点间间歇性连接的相似性指标;将该指标与CN、RA、AA等指标融合,得到便携交换网络的相似性指标向量;借助差分整合移动平均自回归模型的时间序列分析能力,提取相似性指标向量序列的演化规律;采用萤火虫算法优化所构建的二分类器,预测节点对下一时刻的连接状态。在INFOCOM06和MIT两个真实数据集上的实验结果表明,与受限玻尔兹曼机、弱评估器等方法对比,本文方法具有更高的准确率和更好的稳定性。     

节点与链路协作的动态虚拟光网络映射算法

针对如何使逻辑上相互隔离的多个动态虚拟光网络高效地共享底层弹性光网络资源问题,提出了节点与链路协作的动态虚拟光网络映射算法．该算法在进行节点映射时不仅考虑了节点的计算容量、频谱资源以及要映射节点和已映射节点的对应关系,而且在节点映射的阶段就考虑了链路映射,将一个虚拟节点的相邻虚拟节点就近映射到一个物理节点的周围,做到了节点与链路的协作,从而避免了链路映射时使用长跳的物理路径．仿真结果表明,该算法在业务的阻塞率和链路利用率方面都有了明显的改善,可有效地节约网络资源．