简介:链路预测是网络信息挖掘的主要研究内容,通过对网络结构和其他信息的分析,挖掘缺失的链接或预测未来可能出现的链接。链路预测在推荐系统、社会网络和生物网络分析中有着十分广泛的应用。本文首先介绍了基于公共邻居、路径和随机游走的8种常用的链路预测指标.并在此基础上提出了一种基于这8种指标线性组合的度量指标,并经过实验找出了较好的优化参数。然后,提出了基于这8种指标的神经网络模型.并分别基于Weka平台和FANN库进行了实现。在社会网络的4个公开测试集上的实验结果表明.基于FANN库的神经网络模型的预测结果最好,在4个数据集上最高的AUC值分别达到了0。95l8、0.9289、0.7480和0.8677,与单一指标最好的AUC值相比分别提高了3.92%、1.45%、7.06%和24.35%。
简介:Sargent改进的Powell方法是曲线拟合中的一种重要方法。本文利用这种方法针对蕴藻浜特大桥沉降中的实测数据给出了五种模型下的沉降预测,这些模型包括双曲线斜率倒数模型、VanderVeen指数模型、宇都一马指数模型、龚帕兹模型、以及波松曲线模型,并发现这种方法对波松旋回模型和灰色系统模型适用性不强。