基于改进AdaBoost算法的复杂网络链路预测

作     者：龚追飞 魏传佳 GONG Zhui-fei;WEI Chuan-jia

作者机构：浙江工业大学计算机科学与技术学院杭州310023 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2021年第48卷第3期

页      面：158-162页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61773348) 浙江省自然科学基金(LY17F030016) 

主　　题：复杂网络 链路预测 AdaBoost 权重调整 邻接矩阵 

摘      要：链路预测是复杂网络的重要研究方向,当前的链路预测算法因可利用的网络信息有限,导致预测算法的精确度受限。为了提高预测算法的性能,采用改进的AdaBoost算法进行链路预测。首先根据复杂网络样本建立邻接矩阵,完成样本的矩阵化处理;然后采用AdaBoost算法进行分类训练,通过权重投票获取预测结果;最后,考虑到复杂网络弱分类器预测正负误差分布的不均衡问题,设置权重调整因子η及其调整范围[η1,η2],并根据η值动态调整AdaBoost算法的多个弱分类器分类结果的权重,从而获得准确的链路预测结果。实验结果证明,相比其他常用网络链路预测算法及传统AdaBoost算法,改进的AdaBoost算法的预测准确率优势明显,且在节点数量较多时,其预测时间性能和其他算法的差距较小。