基于深度學(xué)習(xí)的機(jī)會網(wǎng)絡(luò)鏈路預(yù)測方法研究.pdf

1、鏈路預(yù)測的目標(biāo)是根據(jù)節(jié)點間已知鏈路及節(jié)點的屬性，估計節(jié)點間鏈路存在的可能性。近年來，鏈路預(yù)測問題正受到越來越多國內(nèi)外學(xué)者的關(guān)注，這是因為準(zhǔn)確的鏈路預(yù)測算法可為研究一些基本的網(wǎng)絡(luò)演化機(jī)制及路由等上層協(xié)議提供支撐，并能應(yīng)用于推薦系統(tǒng)、公共安全領(lǐng)域的輿情監(jiān)控等領(lǐng)域。由于機(jī)會網(wǎng)絡(luò)具有節(jié)點移動性、節(jié)點間間歇性連接和節(jié)點資源有限等特點，機(jī)會網(wǎng)絡(luò)的鏈路預(yù)測是機(jī)會網(wǎng)絡(luò)研究中的熱點和難點。
　　本文研究機(jī)會網(wǎng)絡(luò)的鏈路預(yù)測方法，針對機(jī)會網(wǎng)絡(luò)拓?fù)潆S時間

2、變化頻繁的特點，論文結(jié)合網(wǎng)絡(luò)中鏈路歷史信息及二階鄰居信息，構(gòu)建了反映機(jī)會網(wǎng)絡(luò)鏈路隨時間動態(tài)變化的相似性指標(biāo)O_AA；采用條件深度信念網(wǎng)絡(luò)(Conditional Deep Belief Network，CDBN)構(gòu)建鏈路預(yù)測模型，提取鏈路隨時間變化的特征；以所提出的相似性指標(biāo)作為基礎(chǔ)樣本，采用時間序列法構(gòu)造樣本空間；通過實驗確定網(wǎng)絡(luò)參數(shù)，提出單層自適應(yīng)學(xué)習(xí)率，以優(yōu)化訓(xùn)練過程；采用Logistic Regression分類器對機(jī)會網(wǎng)絡(luò)的鏈

3、路進(jìn)行預(yù)測。
　　論文采用受試者工作特征曲線（Receiver Operating Characteristic Curve，ROC）中的AUC和Precision作為評價指標(biāo)，在MIT Reality和Infocom05數(shù)據(jù)集下，對本文提出的相似性指標(biāo)O_AA的可行性進(jìn)行了驗證；采用ROC中的Precision、Accuracy作為評價指標(biāo)，在MIT Reality和Infocom05數(shù)據(jù)集下設(shè)計多組對比實驗，驗證CDBN預(yù)測模