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:主要研究ψ-混合随机变量序列部分和的强大数定律,并且得到了一些新结果.在混合系数满足一定条件时,本文的结果推广了独立序列的相应结果.
简介:本文提出一个新的预条件子,用共轭梯度法求解对称正定的Teoplitz型线性方程组.该预处理子构造简单,易于实施快速傅里叶变换.理论和数值实验显示,我们的预处理子与T.Chan预处理子收敛性相近.
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%。
简介:在不要求C0-半群为紧半群的前提下.利用函数e^-λt(其中λ〉0是常数)和Monch不动点定理,在更广泛的条件下,得到了Banach空间中一类半线性混合型发展方程初值问题的整体mild解和正mild解,本质上改进和推广了已有相关结果.