最優(yōu)化視角下復(fù)雜網(wǎng)絡(luò)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(dòng)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(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)群組挖掘問題定義和方法簡述


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)方法簡述


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


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)