最優(yōu)化視角下復(fù)雜網(wǎng)絡(luò)挖掘模型與決策方法

定　價(jià)：￥49.00

作　者：	江成著
出版社：	首都經(jīng)濟(jì)貿(mào)易大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書(shū)可以去

ISBN：	9787563832774	出版時(shí)間：	2021-10-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《優(yōu)化視角下復(fù)雜網(wǎng)絡(luò)挖掘模型與決策方法》立足于復(fù)雜網(wǎng)絡(luò)理論，從網(wǎng)絡(luò)節(jié)點(diǎn)層面、鏈路層面和整個(gè)網(wǎng)絡(luò)層面多個(gè)視角，對(duì)無(wú)向網(wǎng)絡(luò)、有向網(wǎng)絡(luò)、無(wú)權(quán)網(wǎng)絡(luò)、有權(quán)網(wǎng)絡(luò)、靜態(tài)網(wǎng)絡(luò)和動(dòng)態(tài)網(wǎng)絡(luò)針對(duì)性分析，建立用于網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)群組挖掘、鏈路預(yù)測(cè)，以及網(wǎng)絡(luò)分類和動(dòng)態(tài)演化模型和算法，并結(jié)合社交網(wǎng)絡(luò)、通訊網(wǎng)絡(luò)和犯罪組織網(wǎng)絡(luò)等真實(shí)案例進(jìn)行應(yīng)用分析，通過(guò)算例實(shí)證分析展現(xiàn)這些模型方法在實(shí)際管理中的決策支持作用。本書(shū)不僅能夠豐富微觀層面復(fù)雜網(wǎng)絡(luò)的挖掘模型和方法，而且在市場(chǎng)管理、輿情分析和應(yīng)急管理等領(lǐng)域中提供技術(shù)參考和理論依據(jù)。本書(shū)適用于管理科學(xué)與工程學(xué)科的科研工作者和研究生作為科研相關(guān)的參考書(shū)，也可用于管理類本科生和研究生方法導(dǎo)論課的討論教材。

作者簡(jiǎn)介

　　《優(yōu)化視角下復(fù)雜網(wǎng)絡(luò)挖掘模型與決策方法》立足于復(fù)雜網(wǎng)絡(luò)理論，從網(wǎng)絡(luò)節(jié)點(diǎn)層面、鏈路層面和整個(gè)網(wǎng)絡(luò)層面多個(gè)視角，對(duì)無(wú)向網(wǎng)絡(luò)、有向網(wǎng)絡(luò)、無(wú)權(quán)網(wǎng)絡(luò)、有權(quán)網(wǎng)絡(luò)、靜態(tài)網(wǎng)絡(luò)和動(dòng)態(tài)網(wǎng)絡(luò)針對(duì)性分析，建立用于網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)群組挖掘、鏈路預(yù)測(cè)，以及網(wǎng)絡(luò)分類和動(dòng)態(tài)演化模型和算法，并結(jié)合社交網(wǎng)絡(luò)、通訊網(wǎng)絡(luò)和犯罪組織網(wǎng)絡(luò)等真實(shí)案例進(jìn)行應(yīng)用分析，通過(guò)算例實(shí)證分析展現(xiàn)這些模型方法在實(shí)際管理中的決策支持作用。本書(shū)不僅能夠豐富微觀層面復(fù)雜網(wǎng)絡(luò)的挖掘模型和方法，而且在市場(chǎng)管理、輿情分析和應(yīng)急管理等領(lǐng)域中提供技術(shù)參考和理論依據(jù)。本書(shū)適用于管理科學(xué)與工程學(xué)科的科研工作者和研究生作為科研相關(guān)的參考書(shū)，也可用于管理類本科生和研究生方法導(dǎo)論課的討論教材。

圖書(shū)目錄

1緒論

11研究背景和意義

12國(guó)內(nèi)外研究現(xiàn)狀及動(dòng)態(tài)辨析

13本書(shū)的主要研究?jī)?nèi)容和研究方法

14本書(shū)結(jié)構(gòu)安排

2復(fù)雜網(wǎng)絡(luò)的基本概念和表示方法

21復(fù)雜網(wǎng)絡(luò)的類型

22復(fù)雜網(wǎng)絡(luò)的表示方法

23復(fù)雜網(wǎng)絡(luò)的統(tǒng)計(jì)描述

24復(fù)雜網(wǎng)絡(luò)的開(kāi)源數(shù)據(jù)集及繪制工具

3復(fù)雜網(wǎng)絡(luò)的關(guān)鍵節(jié)點(diǎn)群組挖掘模型和算法

31引言

32關(guān)鍵節(jié)點(diǎn)群組挖掘問(wèn)題定義和方法簡(jiǎn)述

33積極效應(yīng)下關(guān)鍵節(jié)點(diǎn)群組挖掘模型的提出

34消極效應(yīng)下關(guān)鍵節(jié)點(diǎn)群組挖掘模型的提出

35基于時(shí)間序列方法的動(dòng)態(tài)挖掘模型的提出

36本章小結(jié)

4復(fù)雜網(wǎng)絡(luò)的鏈路預(yù)測(cè)挖掘模型和算法

41引言

42鏈路預(yù)測(cè)方法簡(jiǎn)述

43節(jié)點(diǎn)間相似性評(píng)價(jià)指標(biāo)簡(jiǎn)述

44基于網(wǎng)絡(luò)拓?fù)浣Y(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(jī)游走式鏈路預(yù)測(cè)方法

47算法設(shè)計(jì)與算例分析

48本章小結(jié)

5復(fù)雜網(wǎng)絡(luò)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(luò)學(xué)習(xí)框架

53復(fù)雜網(wǎng)絡(luò)整圖的分類方法

54基于多層并行圖卷積神經(jīng)網(wǎng)絡(luò)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(xiàn)