基于网络结构和时序的机会网络链路预测方法技术

本发明专利技术公开了一种基于网络结构和时序的机会网络链路预测方法，包括：S1，在原矩阵森林指数的基础上从连接次数和连接时长两个方面重定义矩阵森林指数；S2，分别计算原矩阵森林指数和重定义的矩阵森林指数的相似性矩阵；S3，构建混合矩阵森林指数，采用量子粒子群优化算法为原矩阵森林指数和重定义的矩阵森林指数寻找最优权重分配，通过加权得到混合矩阵森林指数相似性矩阵，进而得到预测结果。本发明专利技术一方面利用原矩阵森林指数采集多个时刻网络的局部信息，另一方面利用重定义的矩阵森林指数，从连接时长和连接次数全局角度采集网络的状态，最后通过对两个方面合理加权，能够提高机会网络中链路预测的准确性。

【技术实现步骤摘要】
基于网络结构和时序的机会网络链路预测方法
本专利技术涉及网络分析
，特别是涉及一种基于网络结构和时序的机会网络链路预测方法。
技术介绍
机会网络是一种不需要源节点和目标节点间存在完整通信链路，利用节点移动带来的相遇机会实现通信的自组织网络。它以“存储-携带-转发”的路由模式实现节点间的信息传输。链路预测是指通过已知的网络结构与节点属性等信息，预测网络中尚未产生连边的两个节点之间产生连接的可能性。它既包含了对未知链接的预测，也包含了对未来链接的预测。目前来说，链路预测的方法可以分为3类：基于相似性指标的链路预测方法、基于矩阵分解的链路预测方法和基于机器学习的链路预测方法。相关技术中，虽然有一些基于相似性指标的链路预测方法，但用于机会网络中链路预测的相似性指标还非常少，此外，已提出的用于机会网络链路预测的相似性指标都从单一方面度量节点的相似性，且往往通过网络的局部信息来预测全局的网络状态，这些都影响了链路预测的准确性。
技术实现思路
针对上述问题，本专利技术的目的在于提出一种基于网络结构和时序的机会本文档来自技高网...

【技术保护点】
1.一种基于网络结构和时序的机会网络链路预测方法，其特征在于，包括：/nS1，在原矩阵森林指数的基础上从连接次数和连接时长两个方面重定义矩阵森林指数；/nS2，分别计算原矩阵森林指数和重定义的矩阵森林指数的相似性矩阵；/nS3，构建混合矩阵森林指数，采用量子粒子群优化算法为原矩阵森林指数和重定义的矩阵森林指数寻找最优权重分配，通过加权得到混合矩阵森林指数相似性矩阵，进而得到预测结果。/n

【技术特征摘要】
1.一种基于网络结构和时序的机会网络链路预测方法，其特征在于，包括：
S1，在原矩阵森林指数的基础上从连接次数和连接时长两个方面重定义矩阵森林指数；
S2，分别计算原矩阵森林指数和重定义的矩阵森林指数的相似性矩阵；
S3，构建混合矩阵森林指数，采用量子粒子群优化算法为原矩阵森林指数和重定义的矩阵森林指数寻找最优权重分配，通过加权得到混合矩阵森林指数相似性矩阵，进而得到预测结果。


2.根据权利要求1所述的基于网络结构和时序的机会网络链路预测方法，其特征在于，步骤S1中具体采用步骤计算公式重定义矩阵森林指数：
原矩阵森林指数的计算公式如下：
S＝(I+L)-1
其中，S为网络中各节点的矩阵森林指数所组成的矩阵，I为单位矩阵，L为网络的拉普拉斯矩阵，L等于网络的度矩阵与邻接矩阵的差；
重定义的矩阵森林指数，原计算公式中的网络的拉普拉斯矩阵L中的元素lxy使用下面的公式进行计算：



其中，x和y表示网络中的节点，lxy表示拉普拉斯矩阵的元素，p表示节点x和y的第p次连接，t表示节点x和y第p次连接的连接时长。


3.根...

【专利技术属性】
技术研发人员：尧小龙，舒坚，
申请(专利权)人：南昌航空大学，
类型：发明
国别省市：江西;36