以往传统的链路预测方法大多数针对无向网络，而实际上大多数社交网络是有向的，并且没有考虑网络中同一节点对之间的重复边以及微观演化信息，因此不能较好地解决有向动态网络中的链路预测问题。针对有向网络，将节点对之间的重复边信息转换为该节点对之间连边的权值；接着采用了基于三元组模体的演化模型，对滑动窗口中相邻时间片的模体转换概率进行统计后，采用指数加权滑动平均法对其进行时序分析得到不同模体转换概率的预测矩阵，进而使用该矩阵对网络中的链边进行预测。这不仅充分利用了网络微观演化信息，而且解决了动态网络中重复边的问题。最后对实验结果进行分析发现，在高全局聚类系数高平均度的网络中AUC相比Triad Transition Matrix方法提高了近0.01，而相比CN方法提高更多。因此，所提方法能够较好地应用网络微观演化信息进行链路预测。
2023-02-26 13:46:04
1.37MB
1
研究随机给定拓扑结构的二阶有向多智能体网络的可控包含控制问题. 针对当前包含控制研究成果大多没有考虑多智能体网络领导者和跟随者的可控配置问题, 结合复杂网络可控性理论和二分图最大匹配算法给出满足网络可控的领导者和跟随者集合, 并为跟随者智能体设计相应的控制协议, 驱使跟随者能够渐近收敛到由多个领导者构成的静态凸包中, 从而实现网络的可控包含控制. 仿真结果验证了理论分析的正确性.
2022-07-28 16:55:29
230KB
1
这里面包含两个源码，一个服务端的程序，可以在一台机器A上面运行的，另一个是客户端程序，运行的时候要把里面的HostName改变为你运行服务器程序的主机名。
2021-10-29 18:57:03
3KB
1
根据BA无标度网络模型提出了一种具有无标度特性的有向网络演化模型，并设计程序进行了仿真实验，对有向网络的度分布进行了分析，结果表明，利用文中提出的有向网络演化模型生成的复杂有向网络的度分布符合幂律分布，能有效的模拟现实世界的具有无标度特性的复杂有向网络，可以在此模型上展开对复杂有向网络的其他相关拓扑性质的分析及研究。
2021-10-08 14:43:07
655KB
1
主要给大家介绍了关于如何使用python画社交网络图的相关资料，文中通过示例代码介绍的非常详细，对大家学习或者使用python具有一定的参考学习价值，需要的朋友们下面来一起学习学习吧
2021-08-16 20:27:53
62KB
1