导读:本文包含了链路模型论文开题报告文献综述及选题提纲参考文献，主要关键词:复杂网络,链路预测,网络动力学
链路模型论文文献综述
潘永昊,于洪涛,吴翼腾[1]（2019）在《基于复杂网络动力学模型的链路预测方法》一文中研究指出链路预测是复杂网络中研究缺失连边和未来形成连边的重要组成部分,当前基于网络结构的链路预测方法成果丰富,而基于复杂网络动力学模型的链路预测研究较少。针对无权无向网络,首先构建了复杂网络动力学模型,然后给出了基于复杂网络动力学模型的链路预测节点中心性的量化评价指标,最后通过给出的节点中心性量化指标,提出了由复杂网络动力学模型定义的链路预测方法。通过在真实网络数据集上进行的实验表明,提出的链路预测方法较基准方法有明显的预测精度的提升。(本文来源于《网络与信息安全学报》期刊2019年06期）
陈晋音,徐轩桁,吴洋洋,陈一贤,郑海斌[2]（2019）在《基于时空注意力深度模型的动态链路预测》一文中研究指出动态网络的链路预测在复杂网络的各个领域均有应用.动态网络的节点和链路随时间动态变化(出现或者消失),因此其链路预测比静态链路预测更具有挑战.本文提出一种时空注意力的深度模型(GLAT),通过提取动态网络的时空特征,实现端到端(end-to-end)的动态网络的链路预测.GLAT通过注意力长短时记忆网络(LSTM-attention)和注意力图卷积网络(GCN-attention)相结合,利用LSTM-attention学习网络节点连边状态的时序信息,利用GCN-attention学习每个时刻网络的结构特征,通过提出的两种时空注意力机制可有效关注与动态链路预测任务相关的时空特征.本文对四个真实世界的数据集展开实验验证,GLAT模型在AUC、GMAUC、误差率这几个指标上分别比对比算法提高了9. 41%、13. 76%、82. 41%.本文使用度中心性(DC)和链路介数中心性(EBC)来衡量每条链路的重要性,实验证明,GLAT模型在这两个重要性链路上的预测误差率上比对比算法分别提高了32. 2%、17. 77%.因此GLAT模型在预测准确性,错误率和动态跟踪方面优于现有方法.(本文来源于《小型微型计算机系统》期刊2019年11期）
王斌,李毅磊,盛津芳,孙泽军,卢奔[3]（2019）在《联合子图模式和网络表征的路网链路预测模型》一文中研究指出城市道路网络(简称路网)是一种结构复杂且高度稀疏的网络,对城市道路网络进行链路预测能够对城市结构变化进行合理预演,辅助城市设计者决策.本文针对路网特性提出了一种新的链路预测模型GRSC,该模型首先通过road2vec对路网进行网络表征,然后将子图模式和网络表征结果有机地结合起来,共同构建包含子图结构特征、游走距离特征的广义路网子图特征,最后训练logistic回归分类模型,用于路网链路预测.实验对比了GRSC模型和其它链路预测模型在不同国家、不同类型城市路网上的表现以及模型参数的变化对预测精度的影响,结果表明,GRSC在预测精度和稳定性方面都表现良好.(本文来源于《小型微型计算机系统》期刊2019年11期）
李阿芳[4]（2019）在《SDN中基于链路状态上报的合作模型》一文中研究指出在SDN网络中基于链路状态上报的合作模型通过上报网络链路信息给应用,由应用决定网络资源的分配权,且在上报过程中留一定范围的冗余量,从而实现网络和应用服务质量的妥协。同时在决策过程中考虑到应用的优先级,为不同优先级的网络留给不同的冗余量,从而实现网络对不同优先级的应用服务质量的保障。(本文来源于《电子制作》期刊2019年21期）
马庆峰,王庭钧,单丽,牛璐杰,徐磊[5]（2019）在《基于业务链路的电力通信网络可靠性评估模型》一文中研究指出基于电力系统通信网络的实际运行状况,首先从拓扑结构角度提出一种链路贡献值模型,计算不同链路对整个网络的可靠性贡献值;然后结合各链路上承载的业务,建立基于业务链路重要度的电力通信网络可靠性评估模型,并定量分析各电力通信设备承载的业务对电力通信网络可靠性的影响;最后以实际一个骨干网网络拓扑实例对模型进行计算分析,验证模型的合理性和有效性.(本文来源于《数学的实践与认识》期刊2019年19期）
胡旭飞,许云峰[6]（2019）在《基于骨干度与网络编码的链路预测模型研究》一文中研究指出为了研究网络表示学习在社交网络中链路预测方面的应用,提出了一种基于骨干度与网络编码的链路预测模型(BDLINE)。在网络表示学习算法LINE的基础上融入骨干度算法,通过给一阶相似度和二阶相似度中增添骨干权重,将网络编码到多维向量空间中,调试到最优参数。实验采用2个真实数据的数据集,分别在不同的算法模型上进行多次实验。实验结果表明:在链路预测方面,BDLINE均比其他网络表示学习算法的性能有所提升,AUC评测值更高,预测效果表现得更好。因此,所提出的方法可以方便地提取网络特征信息,更好地处理社交网络在链路预测中的随机性,对社交网络中预测网络节点的关联性和有效性具有一定的参考。(本文来源于《河北工业科技》期刊2019年05期）
吴冕[7]（2019）在《融合链路层影响因子与时间因素的WSN信任模型》一文中研究指出无线传感网络(WSN)具有实时性、敏感性和灵活性等特点,已广泛应用于社会生产和生活,特别是在环境监控、行车流量及信息获取等方面具有独特的优势,而无线传感网络的安全问题已成为制约其发展应用的关键。提高无线传感网络安全性最有效的方法是建立WSN信任模型,通过建立WSN信任模型可以获取节点的最新状态,直接对节点间交互可能性进行判断。本文针对现有WSN信任模型中节点综合信任度受能量信任度影响较小、网络及以上层的信任模型易受恶意攻击等问题,构建了基于链路层影响因子及时间因素的WSN信任模型(CLAT-TM)。首先给出了能量信任度的计算方法。能量信任度不直接以加权融合的方式加入综合信任度,而是以最外层系数的形式直接影响节点间的交互通信,避免其他信任度持续较高时,该节点总是被选为交互的目标节点,导致能量持续降低;然后提出了基于链路层影响因子的信任度计算方法。由于数据链路层在时间段t内连续稳定,证据和时间关系密切,考虑了恶意节点的特征,融合链路层影响因子的模型可以更有效地检测出恶意节点的伪装;最后提出了基于时间因素的信任融合方法、间接信任关系叁层过滤算法3-LFAFIA及基于滑动窗口的节点信任度更新算法TUABOSW。基于时间因素的信任融合方法既考虑了时间先后对信任度的影响,又对持续时长不同的恶意攻击的惩罚程度加以区别,引入了时间惩罚因子,并在计算传感器节点间接信任时,使用间接信任关系叁层过滤算法。将初步融合得到的信任度与能量信任系数综合,得到节点最终的综合信任度CT。当节点间需要再次交互时,使用TUABOSW更新信任度。实验结果表明,在不同比例恶意节点的网络中,CLAT-TM信任模型的交互成功率明显高于BTRM和LFTM信任模型;在不同规模的网络中,CLAT-TM信任模型的节点能耗标准差明显低于BTRM和LFTM信任模型,节点负载更加均衡。(本文来源于《南华大学》期刊2019-05-01）
龙昭华,叶二伟,董瑞芳[8]（2019）在《SDN中基于多指标的链路负载均衡模型》一文中研究指出由于传统网络控制层和数据层的紧耦合,其路径分配算法全局性差,实时性不足,且网络流量分配不均衡,导致网络出现拥塞。针对该问题,根据SDN集中控制和透明的优势,提出一种多指标的链路负载均衡(multi-index load balancing,MI-LB)模型。实时计算源节点到目的节点的K条可用路径,基于多指标的综合评价算法对K条可用路径综合评价,选取评价最高的路径作为转发路径。实验结果表明,该链路负载均衡模型优于传统的Dijkstra路由算法,增加了网络带宽利用率,降低了网络时延,有效提高了网络的综合性能。(本文来源于《计算机工程与设计》期刊2019年04期）
周凌炜[9]（2019）在《云计算下光纤通信数据链路层信道选取模型设计研究》一文中研究指出现代社会发展对通信能力的要求越来越高,云计算模式下,光纤通信的价值得到了更多关注。基于此,文章以云计算下光纤通信数据链路层信道的基本要求作为切入点,予以简述,再以此为基础,给出以智能技术为基础、以蛛网模式、独立信道和信号拟合为枝干的信道选取模型,最后通过模拟实验进行理论证明。(本文来源于《信息通信》期刊2019年04期）
吴晓风[10]（2019）在《基于主机和链路的网络安全态势评估模型探析》一文中研究指出融合多元数据的网络安全态势定量评估模型成为学术界关注的焦点。文章在评估模型中考虑到了主机和链路的影响,在评估模型中将其指标划分为知己和链路安全指标。在进行安全态势评估时主要通过改进D-S证据理论融合日志记录、告警信息和其他探针数据等不同的方法得出安全事件集合,进而计算得出安全态势,实现对主机和链路安全态势的评估。(本文来源于《九江学院学报(自然科学版)》期刊2019年01期）
链路模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
动态网络的链路预测在复杂网络的各个领域均有应用.动态网络的节点和链路随时间动态变化(出现或者消失),因此其链路预测比静态链路预测更具有挑战.本文提出一种时空注意力的深度模型(GLAT),通过提取动态网络的时空特征,实现端到端(end-to-end)的动态网络的链路预测.GLAT通过注意力长短时记忆网络(LSTM-attention)和注意力图卷积网络(GCN-attention)相结合,利用LSTM-attention学习网络节点连边状态的时序信息,利用GCN-attention学习每个时刻网络的结构特征,通过提出的两种时空注意力机制可有效关注与动态链路预测任务相关的时空特征.本文对四个真实世界的数据集展开实验验证,GLAT模型在AUC、GMAUC、误差率这几个指标上分别比对比算法提高了9. 41%、13. 76%、82. 41%.本文使用度中心性(DC)和链路介数中心性(EBC)来衡量每条链路的重要性,实验证明,GLAT模型在这两个重要性链路上的预测误差率上比对比算法分别提高了32. 2%、17. 77%.因此GLAT模型在预测准确性,错误率和动态跟踪方面优于现有方法.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
链路模型论文参考文献
[1].潘永昊,于洪涛,吴翼腾.基于复杂网络动力学模型的链路预测方法[J].网络与信息安全学报.2019
[2].陈晋音,徐轩桁,吴洋洋,陈一贤,郑海斌.基于时空注意力深度模型的动态链路预测[J].小型微型计算机系统.2019
[3].王斌,李毅磊,盛津芳,孙泽军,卢奔.联合子图模式和网络表征的路网链路预测模型[J].小型微型计算机系统.2019
[4].李阿芳.SDN中基于链路状态上报的合作模型[J].电子制作.2019
[5].马庆峰,王庭钧,单丽,牛璐杰,徐磊.基于业务链路的电力通信网络可靠性评估模型[J].数学的实践与认识.2019
[6].胡旭飞,许云峰.基于骨干度与网络编码的链路预测模型研究[J].河北工业科技.2019
[7].吴冕.融合链路层影响因子与时间因素的WSN信任模型[D].南华大学.2019
[8].龙昭华,叶二伟,董瑞芳.SDN中基于多指标的链路负载均衡模型[J].计算机工程与设计.2019
[9].周凌炜.云计算下光纤通信数据链路层信道选取模型设计研究[J].信息通信.2019
[10].吴晓风.基于主机和链路的网络安全态势评估模型探析[J].九江学院学报(自然科学版).2019