188宝金博页面版

  • 图案背景
  • 纯色背景
视图
标记
批注
批注本地保存成功，开通会员云端永久保存 去开通
jiuyimei70..

上传于：2015-03-19

粉丝量：0

该文档贡献者很忙，什么也没留下。


  • 相关
  • 目录
  • 笔记
  • 书签

188宝金博页面版:更多相关文档

  • 股市交易量与收益率的关联分析Ξ

    星级： 4 页

  • （论文）股市交易量与收益率的关联分析

    星级： 6 页

  • 股市交易量与收益率的关联分析

    星级： 6 页

  • 股市交易量与收益率的关联分析

    星级： 5 页

  • 股市交易量与收益率的关联分析Ξ

    星级： 4 页

  • 股市交易量与收益率的关联分析

    星级： 4 页

  • 财政金融-股市交易量与收益率的关联分析

    星级： 4 页

  • A股市场冲击下的交易量与收益率特征研究

    星级： 6 页

  • 中国A 股市场大交易量与收益率关系的研究

    星级： 13 页

  • 中国A股市场大交易量与收益率关系的研究

    星级： 13 页

  • 中国A股市场大交易量与收益率关系的研究

    星级： 13 页

  • 从新视角解读股市收益率与交易量的关系

    星级： 3 页

  • A股市场冲击下的交易量与收益率特征研究

    星级： 6 页

  • A股市场冲击下的交易量与收益率特征研究

    星级： 6 页

  • 股市日收益率波动性与交易量关系

    星级： 3 页

暂无目录

点击鼠标右键菜单,创建目录

    暂无笔记

    选择文本，点击鼠标右键菜单，添加笔记

    暂无书签

    在左侧文档中，点击鼠标右键，添加书签

    188宝金博页面版: 股市交易量与收益率的关联分析Ξ

    下载积分： 550

    内容提示： 1复杂网络链路预测复杂网络链路预测复杂网络链路预测复杂网络链路预测吕琳媛(瑞士弗里堡大学物理系瑞士弗里堡CH-1700)【摘要】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我们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。这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...

    文档格式：PDF | 页数：18 | 浏览次数：7 | 上传日期：2015-03-19 13:15:01 | 文档星级：
    1复杂网络链路预测复杂网络链路预测复杂网络链路预测复杂网络链路预测吕琳媛(瑞士弗里堡大学物理系瑞士弗里堡CH-1700)【摘要】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我们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。这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，这类方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。本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，可望为相关学者提供借鉴。关键词链路预测;复杂网络;相似性指标;最大似然估计;概率模型中图分类号TP391文献标识码A。LinkLinkLinkLinkPredictionPredictionPredictionPredictionononononComplexComplexComplexComplexNetworksNetworksNetworksNetworksLinyuanLü（Dep artmentofPhysics,UniversityofFrib ourg,Frib ourgCH-1700,Switzerland)AbstractAbstractAbstractAbstract：Linkp redictionaimsatestimatingthelikelihoodoftheexistenceoflinksb etweennodes.Thep redictingofexistedyetunknownlinksissimilartothedataminingp rocess,whilethep redictingoffuturelinksrelatestothenetworkevolution.Thetraditionalmethodsareb asedonMarkovChainsandmachinelearningwhichusuallyinvolvethenodeattrib utesinformation.Althoughthesemethodscangivegoodp rediction,thehighcomp utationalcomp lexitylimitstheirap p licationsinlarge-scalesystems.Theap p roachesb asedonmaximumlikelihoodap p roximationalsosufferthisshortcoming.Anothergroup ofmethodsisb asedonthenodesimilaritythatisdefinedb asesolelyonthenetworkstructure.Extensiveexp erimentsonmanyrealnetworksshowthatthesimilarity-b asedmethodscangivegoodp redictionwhilewithlowercomp utationalcomp lexitycomp aringwiththeab ovetwokindsofmethods.Thisarticleintroducesandcomp aresmanyrep resentativelinkp redictionmethods,andoutlinessomeimp ortantop enp rob lems,whichmayb evaluab leforrelatedresearchdomains.KeyKeyKeyKeywordswordswordswords::::Comp lexN etworks;LinkPrediction;Maximumlikelihoodap p roximation;Prob ab ilisticmodel;SimilarityIndex1111．．．．前言前言前言前言网络中的链路预测(LinkPrediction)是指如何通过已知的网络节点以及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[1]。这种预测既包含了对未知链接（existyetunknownlinks）的预测，也包含了对未来链接（futurelinks）的预测。链路预测作为数据挖掘领域的研究方向之一在计算机领域已有较深入的研究。他们的研究思路和方法主要基于马尔科夫链和机器学习。Sarukkai[2]应用马尔科夫链进行网络的链路预测和路径分析。之后Zhu等人[3]将基于马尔科夫链的预测方法扩展到了自适应性网站（adaptivewebsites）的预测中。此外，Popescul和Ungar[4]提出一个回归模型在_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _收稿日期：010−07−18；修回日期：010−07−22基金项目：瑞士国家科学基金项目(200020-121848),国家自然科学基金项目(60973069)作者简介：吕琳媛(1984−)，女，博士研究生，主要从事信息物理，包括链路预测，推荐算法以及网络节点排序等方面的研究. 2 2

    阅读了该文档的用户还阅读了这些文档

    188宝金博页面版:关于我们

    188宝金博页面版:帮助中心

    188宝金博页面版:关注我们

    • 新浪微博

    关注188宝金博页面版公众号

    188宝金博页面版
    阅读
    APP
    阅读
    返回
    顶部
    188宝金博页面版官网登录在线平台入口（2026已更新）—江苏协昌电子科技股份有限公司