基于互信息的复杂网络链路预测

互信息在复杂网络中的应用为解决链路预测问题提供了一个新的思路.传统的互信息方法(MI)不仅考虑了节点的邻居信息,还加入了共同邻居之间的结构信息,这种方法比传统的基于共同邻居的方法预测精度更高;但是该方法没有对共同邻居进行有效的区分,即没有考虑到共同邻居之间的差异性.为此进行了相应的改进,提出了改进的互信息方法(MMI),实验结果表明,MMI方法可以在一定程度上提高链路预测的精度.     

基于移动预测的移动自组网路由协议

车载自组织网络、无人机自组织网络中节点高动态运动、网络拓扑变化频繁、链路维持时间短,使得传统的移动自组织网络路由协议不能适用.为了满足高动态自组网的需求,改进优化链路状态路由协议,引入移动预测机制.首先,在邻居发现过程中加入节点的位置和速度信息;其次,在中继选择时考虑邻节点的距离,选择不易中断的链路;然后,利用NS3进行仿真,结果表明,改进的优化链路状态路由协议提高了数据成功接收率,降低了端到端平均时延;最后,通过实物平台进行验证.     

嵌入节点运动轨迹预测算法的ETX路由判据

将节点运动轨迹预测机制引入到ETX路由判据中,该机制作用于ETX判据生效之前.根据某个节点的历史地理信息和当前地理信息构建差分自回归移动平均(ARIMA)模型,通过该模型预测下一时刻节点的地理位置,从而获取其运动轨迹.根据预测结果,如果链路两端的节点仍处于对方的通信范围内,就以ETX作为路由判据;如果两个节点将离开彼此的通信范围,那么这条链路就此失效.仿真结果表明,加入预测机制减少了对高丢包率链路的选择,降低了路由中断的频率,因此网络平均吞吐量有较大提高,丢包率下降.     

基于图注意力和特征融合的链路预测方法

链路预测是一种还原网络缺失信息的方法，通过当前已观察到的链路，预测实际存在但未被观察到的链路或可能出现的新链路.当前链路预测主要是基于图神经网络的深度学习方法，相比基于规则的启发式方法，前者可有效利用网络拓扑结构信息，较大地提升了网络链路预测性能，并可应用到类型更广泛的网络中.但是现有基于图神经网络的方法，仅利用网络中节点相对位置信息，忽视了节点基本属性和链路的邻居信息，且无法区分不同节点对链路形成的重要程度.为此，本文提出一种基于图注意力网络和特征融合的链路预测方法.通过增加节点的度、链路的共同邻居数量和共同邻居最大度等特征，丰富了网络的输入特征信息.本文首先提取以目标节点对为中心的子图，然后将其转化为对应的线图，线图中的节点和原图中的链路一一对应，从而将原图节点和链路信息融合到线图的节点中，提升了特征融合的有效性和可解释性.同时本文使用图注意力机制学习节点的权重，增强了特征融合的灵活性.实验表明，本文所提出的方法，在多个不同领域数据集上的AUC和AP均超过90%,在已观测链路缺失较多时，预测性能保持80%以上，且均优于现有最新方法.     

移动自组织网络中社会关系感知的路由方法

移动自组织网络是一种移动通信和计算机网络相结合的网络,用户节点可以在网络内随意移动并且保持通信,因此移动自组织网络中节点移动的随意性给研究网络中的路由带来了困难;另一方面,移动自组织网络中节点之间的社会关系对路由过程有直接影响.本文采用最可靠路径的原则来计算移动自组织网络中的最优路径进行路由,该方法通过网络节点之间的邻接可能性来表示最优路径,通过节点的移动方案和与其他节点之间的社会关系强度对邻接可能性进行计算.最后,通过仿真实验,将本文提出的路由方法与常用的最优链路状态路由协议OLSR(Optimized Link State Routing)进行比较分析,结果显示本文提出的方法具有较好的性能.     

增强Ad Hoc网络稳定性的移动问题解决策略

针对移动自组织网络中网络通信稳定性较低的问题,提出了增强网络稳定性的移动问题解决策略.该策略通过检测节点的相对移动速率,计算节点间链路的稳定性,得到网络中通信路径的稳定度,从而选择稳定度高的路径进行通信.该策略针对节点移动可能导致的通信可靠性约降低问题,利用检测移动速率预测节点运动趋势这一创新方法提高了系统数据传输的可靠性.实验结果表明,该策略利用节点移动预测的方法可以有效选择可靠性更高的数据链路,与传统方法相比,通信延迟时间约降低1%,吞吐量约提高5%.     

时态网络节点相似性度量及链路预测算法

详细分析和阐述了时态网络中的链路预测问题，将时态网络按时间顺序划分为具有相同时间间隔的多层网络快照序列.针对基于共同邻居的相似性指标对网络链路刻画粒度较粗糙的问题，提出了基于邻居节点聚类系数的相似性度量指标NCC和NCCP，并基于此提出时态网络链路预测算法.通过在真实数据集上的对比实验验证了利用邻居节点的聚类信息可以提高预测精度.利用真实邮件数据集验证了所提出的链路预测算法预测效果的优越性，并且实验结果证明越接近预测时间的网络结构对预测结果影响越大.     

高动态网络中基于α-β滤波的OLSR协议

针对航空高动态无人机网络中节点运动轨迹的连续性和运动状态的记忆性,使用具有高动态飞行特性的三维Gauss-Markov移动模型仿真分析OLSR协议。结合无人机运动的记忆性和OLSR协议的周期性发送HELLO消息进行链路探测的特点,提出了一种在OLSR协议中基于α-β滤波的相邻节点链路质量预测算法,该算法通过接收到的信号强度求得节点间距离测量值,并预测节点间的距离和相对速度,克服不可靠链路的影响。仿真结果表明,相比传统的OLSR协议,改进的协议有效提高了网络的分组交付率,降低了网络负载。     

异质网络中融合多类信息的链路情感倾向预测

信息网络中基于节点间情感关系分析的链路情感倾向预测在商业营销、内容推荐等领域应用广泛，是网络分析的一个研究重点.传统的链路情感倾向预测方法对于数据信息的挖掘不够充分，忽略了对数据深层语义以及节点属性等信息的利用，预测准确度有待提升.针对以上问题，提出了异质网络中融合多种类型信息的链路情感倾向预测模型.模型首先引入预测基值作为特定节点间情感关系的粗略评估，然后结合节点的相似关系以及节点的属性等信息完成预测.其中，在捕获网络中具有相似情感倾向的节点用于预测任务时，提出了一种基于限制路径类型元路径的遍历游走方法.在5个公共数据集上的实验结果验证了所提模型的有效性及对于稀疏矩阵、冷启动问题的处理能力，并揭示了模型各组成部分在预测过程中的作用.     

采用链路聚类的动态网络社团发现算法

针对当前基于节点的动态网络社团结构发现算法难以发现稳定的社团结构的问题,提出了一种采用链路聚类的动态网络社团发现算法(LDC)。该算法首先从链路的角度得到网络的链路图结构;然后对比不同时刻的链路图结构,将动态网络中节点的添加与移除以及边的添加与移除等复杂的变化信息简化为链路添加和链路移除2种增量变化信息;再在前一时刻社团结构的基础上以改进的链路划分密度函数对增量变化信息中变化的链路进行处理,判断该链路是否加入到社团中从而得到最优的社团结构;最后将得到的链路社团转化成为最终的节点社团结构。实验结果表明,相比于当前基于节点的动态社团发现算法,LDC算法能够有效地发现网络中结构稳定的社团结构,其模块度值和标准化互信息值至少提高了0.19和0.13,且算法的运行效率要明显优于基于节点的动态社团发现算法。     

基于SDN网络多路径负载均衡算法研究与仿真

针对传统网络链路负载均衡实时性、动态性差的问题,对下一代互联网技术SDN网络技术,设计出基于SDN的多路径负载均衡(SDN-Multi-path Balance,SDN-MB),该设计模型能够通过其网络控制器实时获取全局链路信息,从而计算出源节点和目的节点之间的多条路径,通过链路权值和流量阈值选取出最优路径并做出实时调整.最后用仿真模拟软件Mininet进行仿真,结果显示SDN-MB模型比传统网络模型在带宽利用率和平均延迟方面,都有显著的提高,验证了SDN-MB模型的有效性.     

基于聚类系数和节点中心性的链路预测算法

目前复杂网络领域受到越来越多人的广泛关注.其中链路预测是复杂网络研究中的一个热门的分支,被作为预测缺失链路和识别虚假链路的有效手段.传统基于相似性的复杂网络链路预测主要考虑每个节点的某个相似性指标,而该文提出一种基于聚类系数和节点中心性(CCNC)的链路预测算法,将度、聚类系数和节点中心性3个相似度指标结合,引入到复杂...     

基于改进TADW的链路预测算法

针对经典的节点相似性链路预测算法只考虑网络拓扑结构或者节点属性信息的问题,使用词嵌入模型Word2vec学习得到节点文本属性信息的表示,进而改进TADW(text-associated deep walk)算法,弥补其语义信息表示能力的不足.基于改进的TADW图嵌入方法提出一种融合网络拓扑结构和节点属性信息的相似性指标,并基于此相似性指标提出链路预测算法.在三个真实数据集上的实验结果表明所提出算法可以提高预测精度,并具有更好的鲁棒性,同时使用图嵌入的方法有效解决了网络数据的稀疏性问题.     

基于位置预测的OLSR协议研究

针对空战环境的复杂性和无人机网络中节点的高动态运动引起网络拓扑变化快的特点,提出了一种自适应基于位置预测的优化链路状态路由(ALOLSR)协议,当GPS信息可用时,该协议将OLSR协议中的拓扑控制信息代替为本节点的位置和速度信息,通过MPR泛洪使网络中每个节点获知其他节点位置和速度,在路由选择上充分利用节点定位信息选择稳定的链路。利用NS3仿真无人机组网,结果表明,ALOLSR协议提高了网络分组交付率,降低了数据传输时延。     

通过切换算法提高AODV协议的性能

在A d Hoc网络中,节点的频繁移动导致链路经常失效,AODV路由协议对失效链路反应速度过慢,使网络中报文丢失率增加以及端到端平均传递时延增长。为了解决这个问题,文章提出了一种路由切换的算法。使活动路由中的每个节点收到数据报文时估算链路的状态,如果发现正在使用的链路即将失效,则节点在链路失效前将相关路由信息切换到合适的节点上。通过ns-2对增加切换算法的AODV协议进行仿真,结果表明,在节点移动的情况下,改进后的算法明显提高了AODV协议的报文投递率,降低了端到端平均传递时延,而路由开销仅有少量的增加。     

无人机集群网络中一种基于链路质量预测的按需路由算法

无人机集群网络,相较于传统Ad Hoc网络,其节点速度更快,拓扑变化更剧烈。传统路由算法已难以满足无人机集群作战需要。因此,提出一种基于链路质量预测的按需路由算法。通过链路稳定度和节点拥塞度评估当前链路质量,并以此作为选路标准。同时,通过灰色-WNN组合预测模型,对相关参数进行合理预测,并以此估计链路稳定性与节点拥塞程度,进而对链路质量进行提前评估。算法根据得到的链路质量预测值来优化路由发现与路由维护过程,避免无人机的高动态特性对集群网络的不利影响。仿真结果表明,与AODV及其他相关改进算法相比,该算法明显改善了网络性能,减少了路由断裂的次数,大幅降低了节点高速移动时的路由开销与平均时延,使分组投递率得到明显提高。     

基于图嵌入法的时序网络链路预测研究

时序网络因为其复杂的动态结构和非线性拓扑特征,一直都是复杂网络和链路预测研究的重点.因为网络结构会动态变化从而导致常用的基于静态网络的方法不再高效适用.本文基于图嵌入方法,提出了一种适用于时序网络的链路预测算法,其核心是改进链路预测中粒子的随机游走过程,使其基于网络结构特征进行有偏向转移.其次,考虑到时序网络中历史信息的影响,在有偏向转移的基础上定义一种粒子的全局转移概率,这种转移概率重点计算最近时刻的信息同时也会考虑历史信息.经过实验例证,本文提出的方法较传统基准指标有较大的提升.     

移动Ad hoc网络中具有均衡策略的稳定性路由算法

移动Ad hoc网络是一种自组织、不依赖预设的基础设施快速展开的网络。在Ad hoc网络中,移动终端可以自由移动,从而会导致链路频繁的断裂。由于该网络动态的特性,建立稳定的路由进行数据传输显得尤为重要。提出了一种新的具有均衡策略的链路稳定性路由算法,并且将它在传统的AODV协议上实现得到了一种新的协议,即N-AODV。该算法在路由建立阶段,通过节点间的相互运动预测链路的生存时间,并且将路由稳定性与跳数之间进行均衡,选择出稳定性较高、跳数较小的路径。仿真结果表明新协议相比AODV、SSA协议具有更好的综合性能,有效地提高了网络的利用率。     

基于节点对接触模型容延网络的路由算法研究

容延网络(delay tolerant network)利用节点移动形成的通信机会逐跳传输消息,以"存储-携带-转发"的路由模式实现节点间的通信,弥补了传统网络需要建立源节点到目的节点链路的缺陷。容延网络延迟高,链路具有间断性,传输率较传统网络低,链路预测就尤为重要,准确的链路预测对于提高网络效率意义重大。链路预测有两种主要的方法:利用节点社区网络的相似性进行预测和建立节点接触概率模型。马尔可夫调制泊松过程模型(MMPP)就是根据现实数据集建立的节点对接触模型。容延网络的仿真缺乏合适的软件,对于现实生活中的数据集支持不够。开发了关于基于接触事件的容延网络仿真器,读取现实数据,运用上述两种方法建立路由,在此基础上,进行了不同的仿真对比、从传输率、传输延迟、传输跳数、传输效率和传输的综合评定等方面,对不同的路由方法进行了对比。仿真实验结果表明利用MMPP模型的路由方法传输率、延迟和传输效率的综合评定上,优于其他的路由方法,即可以消耗较小的网络资源以达到高的传输率。基于节点对接触的模型对比节点社区网络相似性建立的路由方法,更加适合资源有限的网络。     

基于局部社会关系预测的机会网络路由协议

由于机会网络中的节点具有移动性,因此网络中的路由链路都是暂时的、不稳定的.并且这些移动设备都是由人类使用者携带,节点之间具有很强的社会关系.根据节点间的社会关系,提出了一种依靠过去局部社会性信息,预测中继节点转发能力的机会网络路由协议PLSR(Prediction of Local Sociality Routing).PLSR综合考虑节点间相遇频次和相遇接触时间长度对转发能力的影响,利用熟悉度和中介中心性的效用函数进行消息的转发,同时对消息的副本数量进行控制.采用Cambridge数据集进行仿真实验,结果表明,该路由与Epidemic路由、Bubble Rap路由相比具有较高的成功消息传递率和较低的转发成本,但消息的平均传输延迟较高.