最優(yōu)化視角下復雜網(wǎng)絡挖掘模型與決策方法

1緒論

11研究背景和意義


12國內(nèi)外研究現(xiàn)狀及動態(tài)辨析


13本書的主要研究內(nèi)容和研究方法


14本書結(jié)構(gòu)安排




2復雜網(wǎng)絡的基本概念和表示方法

21復雜網(wǎng)絡的類型


22復雜網(wǎng)絡的表示方法


23復雜網(wǎng)絡的統(tǒng)計描述


24復雜網(wǎng)絡的開源數(shù)據(jù)集及繪制工具




3復雜網(wǎng)絡的關(guān)鍵節(jié)點群組挖掘模型和算法


31引言


32關(guān)鍵節(jié)點群組挖掘問題定義和方法簡述


33積極效應下關(guān)鍵節(jié)點群組挖掘模型的提出


34消極效應下關(guān)鍵節(jié)點群組挖掘模型的提出


35基于時間序列方法的動態(tài)挖掘模型的提出


36本章小結(jié)




4復雜網(wǎng)絡的鏈路預測挖掘模型和算法

41引言


42鏈路預測方法簡述


43節(jié)點間相似性評價指標簡述


44基于網(wǎng)絡拓撲結(jié)構(gòu)傳遞性的相似性度量方法


45基于貝葉斯似然概率的相似性度量方法


46基于多源信息融合的監(jiān)督隨機游走式鏈路預測方法


47算法設(shè)計與算例分析


48本章小結(jié)




5復雜網(wǎng)絡整圖的挖掘模型與決策方法

51引言


52圖神經(jīng)網(wǎng)絡學習框架


53復雜網(wǎng)絡整圖的分類方法


54基于多層并行圖卷積神經(jīng)網(wǎng)絡的分類研究


55本章小結(jié)




6結(jié)論與展望

61研究成果


62研究展望




參考文獻