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:针对传统AODV路由协议中周期性Hello消息广播机制会造成协议效率低下的问题,提出了一种利用无线链路有效性预测来降低Hello控制报文的新策略.首先给出了适用于视距无线传输环境下新的链路有效性预测模型,根据此模型所预测的无线链路生命周期来动态更新AODV路由协议中的HelloInterval配置参数,从而实现在不同链路稳定性下以不同频率广播Hello消息的目的.仿真结果表明,相比于采用周期性Hello消息广播机制的原协议而言,改进协议有效减少了不必要的报文开销,并在平均端到端时延和协议效率这2个性能指标上都获得了明显改善.
简介:摘要:随着系统串行信号速率25Gbps或未来更高速率信号的发展,高数串行信号链路上一个很小的阻抗不连续的点都会带来反射,进而影响整个链路的回损、插损、抖动和误码。所以通过什么方法能使这些阻抗不连续的点变得阻抗连续就是目前系统高速串行信号迫切要解决的问题。