简介:首先,研究了Erdos1合著网络的特征属性,一方面使用节点的度、介数、接近中心性来描述Erdos1合著网络节点重要性,另一方面使用特征向量中心性和本文提出的高阶度参数来描述Erdos1合著网络节点影响力;然后,分别用逼近理想解的排序(TOPSIS算法)算法和主成份分析(PCA)对节点重要性和影响力排序;最后,利用修改的网页排名(PageRank)算法讨论了网络科学原创性论文中最具影响力的论文。
简介:以社会、经济、环境与资源和制度作为基础指标,建立了评价国家可持续发展的综合指标体系。首先,利用熵值法计算各基础指标值,并将每个国家的基础指标值画在同一轴线的雷达图上,直观描述和比较各个国家目前的可持续发展情况。同时,以4个基础指标值为顶点的四边形面积大小作为一个国家可持续发展的综合指数。通过对10个国家的分析,验证了模型的有效性。其次,综合考虑4个基础指标,建立了4维静态趋势分析的优化模型,用以描述每个国家可持续发展程度的变化过程及相关政策与援助对可持续发展指标的影响。最后,基于雷达图模型的分析,选取埃塞俄比亚作为研究对象,借助4维静态趋势分析模型,制定了埃塞俄比亚未来20年的发展规划,并通过雷达图模型验证了规划的有效性,同时对模型的优势与不足进行评述。
简介:链路预测是网络信息挖掘的主要研究内容,通过对网络结构和其他信息的分析,挖掘缺失的链接或预测未来可能出现的链接。链路预测在推荐系统、社会网络和生物网络分析中有着十分广泛的应用。本文首先介绍了基于公共邻居、路径和随机游走的8种常用的链路预测指标.并在此基础上提出了一种基于这8种指标线性组合的度量指标,并经过实验找出了较好的优化参数。然后,提出了基于这8种指标的神经网络模型.并分别基于Weka平台和FANN库进行了实现。在社会网络的4个公开测试集上的实验结果表明.基于FANN库的神经网络模型的预测结果最好,在4个数据集上最高的AUC值分别达到了0。95l8、0.9289、0.7480和0.8677,与单一指标最好的AUC值相比分别提高了3.92%、1.45%、7.06%和24.35%。