摘要
链路预测是复杂网络的重要研究方向,当前的链路预测算法因可利用的网络信息有限,导致预测算法的精确度受限.为了提高预测算法的性能,采用改进的AdaBoost算法进行链路预测.首先根据复杂网络样本建立邻接矩阵,完成样本的矩阵化处理;然后采用AdaBoost算法进行分类训练,通过权重投票获取预测结果;最后,考虑到复杂网络弱分类器预测正负误差分布的不均衡问题,设置权重调整因子η及其调整范围[η1,η2],并根据η值动态调整AdaBoost算法的多个弱分类器分类结果的权重,从而获得准确的链路预测结果.实验结果证明,相比其他常用网络链路预测算法及传统AdaBoost算法,改进的Ada-Boost算法的预测准确率优势明显,且在节点数量较多时,其预测时间性能和其他算法的差距较小.
NETL
NSTL
维普
万方数据