为了探索便携交换网络的演化规律,研究其网络行为预测中的链路预测问题。便携交换网络具有节点移动性、节点间间歇性连接、高延迟等特点,其链路预测面临的挑战是节点相遇的机会性和拓扑的时变性,获得其高质量链路预测的关键是如何较全...为了探索便携交换网络的演化规律,研究其网络行为预测中的链路预测问题。便携交换网络具有节点移动性、节点间间歇性连接、高延迟等特点,其链路预测面临的挑战是节点相遇的机会性和拓扑的时变性,获得其高质量链路预测的关键是如何较全面地获取节点的属性。作者提出基于学习自动机和萤火虫算法的链路预测方法(link prediction approach for pocket switched network based on firefly algorithm,FA-LP)。采用学习自动机对节点进行自适应聚类,完成网络的社区划分;定义社区属性影响系数和移动行为影响系数,构建反映便携交换网络社区属性、节点移动性和节点间间歇性连接的相似性指标;将该指标与CN、RA、AA等指标融合,得到便携交换网络的相似性指标向量;借助差分整合移动平均自回归模型的时间序列分析能力,提取相似性指标向量序列的演化规律;采用萤火虫算法优化所构建的二分类器,预测节点对下一时刻的连接状态。INFOCOM2006和MIT两个真实数据下的实验结果表明,与受限玻尔兹曼机、弱评估器等方法相比,FA-LP具有更高的准确率和更好的稳定性。展开更多
文摘为了探索便携交换网络的演化规律,研究其网络行为预测中的链路预测问题。便携交换网络具有节点移动性、节点间间歇性连接、高延迟等特点,其链路预测面临的挑战是节点相遇的机会性和拓扑的时变性,获得其高质量链路预测的关键是如何较全面地获取节点的属性。作者提出基于学习自动机和萤火虫算法的链路预测方法(link prediction approach for pocket switched network based on firefly algorithm,FA-LP)。采用学习自动机对节点进行自适应聚类,完成网络的社区划分;定义社区属性影响系数和移动行为影响系数,构建反映便携交换网络社区属性、节点移动性和节点间间歇性连接的相似性指标;将该指标与CN、RA、AA等指标融合,得到便携交换网络的相似性指标向量;借助差分整合移动平均自回归模型的时间序列分析能力,提取相似性指标向量序列的演化规律;采用萤火虫算法优化所构建的二分类器,预测节点对下一时刻的连接状态。INFOCOM2006和MIT两个真实数据下的实验结果表明,与受限玻尔兹曼机、弱评估器等方法相比,FA-LP具有更高的准确率和更好的稳定性。
