關系馬爾可夫網(wǎng)及其在社會網(wǎng)絡中的應用研究.pdf_第1頁
已閱讀1頁,還剩87頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、在現(xiàn)實社會網(wǎng)絡中存在著許多關系數(shù)據(jù),這些數(shù)據(jù)集合由不同類型的實體構成,實體之間廣泛地存在著復雜的鏈接關系,對這些鏈接信息的挖掘可以為我們提供關于這個社會網(wǎng)絡更豐富更準確的信息。因此,研究如何充分利用數(shù)據(jù)間的鏈接關系對數(shù)據(jù)進行分類在社會網(wǎng)絡分析中具有重要的意義。
   關系馬爾可夫網(wǎng)是一種能夠有效處理復雜關系數(shù)據(jù)的判別式概率圖模型,由馬爾可夫網(wǎng)和關系模式結合產(chǎn)生。將該模型應用于社會網(wǎng)絡數(shù)據(jù)分類任務中,可以充分捕捉數(shù)據(jù)間的依賴關系,

2、從而有效提高數(shù)據(jù)分類的準確度。
   本課題對關系馬爾可夫網(wǎng)模型的學習過程進行了一定的研究。其中,深入研究了采用似然估計方法構造模型目標函數(shù)的過程。研究發(fā)現(xiàn),隨著數(shù)據(jù)規(guī)模的擴大,該方法的時間復雜度越來越高。為了解決這一問題,引入了采用偽似然估計方法代替似然估計方法來構造目標函數(shù)。在參數(shù)優(yōu)化方面,研究了共軛梯度法、梯度下降法和擬牛頓法等非線性最優(yōu)化方法以及黃金分割法、牛頓法和Armijo-Goldstein法等一維搜索方法。并且從

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論