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:系统的不确定和外部干扰是控制理论的主要敌手。最近二十年出现了一个新的对付不确定的控制方法称为自抗扰控制。本文旨在介绍一本这方面的新书:ActiveDisturbanceRejectionControlforNonlinearSystems:AnIntroduction,及其相关的背景。该书是一本自抗扰控制数学理论著作。为了引出本书的主要内容,我们扼要介绍了几种其他的对付系统不确定的控制方法,包括鲁棒H∞-控制、滑模控制、自适应控制以及内模原理,说明自抗扰控制的主要思想和与这些方法的异同之处。特别是指出了自适应控制、内模原理的估计和消除策略及其在自抗扰控制中的大规模应用。