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:R778.32002032307莫尔条纹法(溶液中)测量角膜接触镜后顶焦度的原理分析=PrincipleanalysisonthemeasurementofbackvertexpowerofcontactlensusingMoirefringemethod(insolution)[刊,中]/张吉焱,王莉茹(中国计量科学研究院.北京(100013))//现代计量测试.-2001,9(6).-17-20详述了莫尔条纹法测量角膜接触镜后顶焦度的基本原理以及相应的理论计算,对目前测量角膜接触镜后顶焦度的两种方法即空气中(传统的焦度计)和溶液中(莫尔条纹法)作了比较,并提出了对角膜接触镜后顶焦度量值综合展望。图2参4(李瑞琴)