排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
链路预测是复杂网络的重要研究方向,当前的链路预测算法因可利用的网络信息有限,导致预测算法的精确度受限。为了提高预测算法的性能,采用改进的AdaBoost算法进行链路预测。首先根据复杂网络样本建立邻接矩阵,完成样本的矩阵化处理;然后采用AdaBoost算法进行分类训练,通过权重投票获取预测结果;最后,考虑到复杂网络弱分类器预测正负误差分布的不均衡问题,设置权重调整因子η及其调整范围[η1,η2],并根据η值动态调整AdaBoost算法的多个弱分类器分类结果的权重,从而获得准确的链路预测结果。实验结果证明,相比其他常用网络链路预测算法及传统AdaBoost算法,改进的AdaBoost算法的预测准确率优势明显,且在节点数量较多时,其预测时间性能和其他算法的差距较小。 相似文献
2.
3.
TD—SCDMA的长期演进——TD—LTE 总被引:6,自引:0,他引:6
随着移动接入的宽带化,TD-SCDMA向着高数据速率、低时延和优化分组数据应用为目标的TD-LTE演进。文章紧跟3GPPTD-LTE标准的制订,全面地介绍了TD-LTE的传输技术和多地址技术、帧结构、演进的扁平化网络结构以及空中接口的新变化。 相似文献
4.
5.
6.
为了提高复杂网络链路预测的性能,采用拓扑相似和XGBoost算法来完成复杂网络链路预测.利用复杂网络拓扑结构建立邻接矩阵,求解共同邻居集合,然后根据拓扑相似理论计算复杂网络相似得分函数,将各个时间窗的得分函数和权重参数作为输入,采用XGBoost算法实现复杂网络的链路预测.通过差异化设置XGBoost算法的两个正则化系数,测试其对链路预测准确率的影响,获取最优正则化系数,从而得到稳定的XGBoost链路预测模型.实验证明,时间窗数量设置合理的情况下,相比常用网络链路预测算法,基于拓扑相似和XGBoost算法的预测准确率优势明显,且预测时间性能和其他算法的差距较小,尤其适用于大规模的复杂网络链路预测. 相似文献
7.
组播技术能以高效、可扩展的方式发送点到多点、多点到多点数据.组播路由协议通过建立组播路由来转发组播数据包.本文分析了两种主要的域内组播路由协议PIM-DM和PIM-SM的原理,并利用NS-2分多种情况对两者进行仿真实验,分析组播路由协议、网络拓扑、组播组大小、组播组数量对网络性能的影响. 相似文献
1