资源描述：
《基于深度学习的机会网络链路预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、软件学报ISSN1000-9825,CODENRUXUEWE-mail:jos@iscas.ac.cnJournalofSoftware,2016,27(Suppl.(1)):36−48http://www.jos.org.cn©中国科学院软件研究所版权所有.Tel:+86-10-62562563∗基于深度学习的机会网络链路预测1,21,21,21,31,3舒坚,张学佩,罗序燕,孟令冲,刘琳岚1(南昌航空大学物联网技术研究所,江西南昌330063)2(南昌航空大学软件学院,江西南昌330063)3(南昌航空大学信息工程学院,江西
2、南昌330063)通讯作者:舒坚,E-mail:shujian@nchu.edu.cn摘要:针对机会网络节点移动性、节点间间歇性连接等特点,提出基于深度学习的机会网络链路预测机制.基于时间序列理论和方法,综合考虑节点间边的权值、节点强度和局部路径与节点间链路关系,构建反映机会网络链路状态随时间动态变化的相似性指标W_Katz;利用信息熵确定受限玻尔兹曼机的隐含层神经元数量,构建用于特征提取的深度学习模型,采用自适应学习率缩短其收敛时间;采用高斯核函数、K折交叉验证构造基于最小二乘支持向量回归机的预测模型;采用命中率R_HIT和受
3、试者工作特征曲线的Precision、Accuracy指标评价预测结果.通过INF2005、MIT数据集上的对比实验结果表明,该方法可以获得更好的预测效果.关键词:机会网络;链路预测;深度学习;相似性指标;最小二乘支持向量回归机中文引用格式:舒坚,张学佩,罗序燕,孟令冲,刘琳岚.基于深度学习的机会网络链路预测.软件学报,2016,27(Suppl.(1)):36−48.http://www.jos.org.cn/1000-9825/16005.htm英文引用格式:ShuJ,ZhangXP,LuoXY,MengLC,LiuLL.L
4、inkpredictionforopportunisticnetworksbasedondeeplearning.RuanJianXueBao/JournalofSoftware,2016,27(Suppl.(1)):36−48(inChinese).http://www.jos.org.cn/1000-9825/16005.htmLinkPredictionforOpportunisticNetworksBasedonDeepLearning1,21,21,21,31,3SHUJian,ZHANGXue-Pei,LUOXu-Y
5、an,MENGLing-Chong,LIULin-Lan1(InternetofThingsTechnologyInstitute,NanchangHangkongUniversity,Nanchang330063,China)2(SchoolofSoftware,NanchangHangkongUniversity,Nanchang330063,China)3(SchoolofInformationEngineering,NanchangHangkongUniversity,Nanchang330063,China)Abstr
6、act:Byexploitingthecharacteristics,suchasnodemobilityandintermittentconnection,ofopportunisticnetworks(ON),thispaperproposesamechanismforONlinkpredictionbasedonthedeeplearning.Basedontimeseriestheory,thesimilaritymetricsthatcanreflectthelink-statedynamicchangeovertim
7、einONarebuiltinconsiderationofthelinkweight,thenodestrengthandlocalpathbetweenthenodes.Thedeeplearningmodelisconstructedtoextractfeatures.Adaptivelearningrateisemployed,andthenumberofhiddenlayerneuronsofrestrictedBoltzmannmachine(RBM)iscomputedbyinformationentropyfor
8、mula.EvaluatingindicatorR_HIT,precisionandaccuracyareusedforevaluatingtheresultsoflinkprediction.TheexperimentresultsinINF2005andMI
