一种基于密度峰值聚类的链路预测算法

作者：邵豪; 王伦文; 邓健

来源：小型微型计算机系统, 2020, 41(05): 1007-1012.

• 复杂网络
• 链路预测
• 相似性指标
• 密度峰值聚类

传统基于网络结构的链路预测算法只考虑单个节点相似性指标,在结构不同的网络中预测结果差异明显且预测精度低.针对此问题,本文考虑不同指标的互补性,提出一种自适应融合多指标的链路预测算法.首先改进传统路径相似性指标未完全挖掘路径信息的缺点,提出PLD和INR指标,分别考虑路径中间链接及中间节点连通性对预测的贡献以提升预测性能;其次将节点间是否存在链接的预测问题转变为二分类问题,并将上述指标与邻居相似性指标、随机游走指标结合进行链路预测;再次利用密度峰值聚类进行无监督学习,根据学习结果预测链路.仿真实验结果表明该算法在各个网络的预测精度都明显高于传统相似性预测算法.

• 单位
  中国人民解放军陆军工程大学; 中国人民解放军国防科学技术大学