返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 复杂网络的影响力计算及应用 杨书新 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 杨书新著
    • 出版社: 冶金工业出版社
    • 出版时间:2023-02-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 杨书新著
    • 出版社:冶金工业出版社
    • 出版时间:2023-02-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2023-02-01
    • 字数:223000
    • 页数:184
    • 开本:16开
    • 装帧:平装
    • ISBN:9787502492540
    • 国别/地区:中国
    • 版权提供:冶金工业出版社

    复杂网络的影响力计算及应用

    作  者:杨书新 著
    定  价:68
    出 版 社:冶金工业出版社
    出版日期:2023年02月01日
    页  数:184
    装  帧:平装
    ISBN:9787502492540
    主编推荐

    内容简介

    本书以影响力计算在社交网络和生物信息中的应用作为主要内容,全书共分为7章。第1~6章主要介绍社交网络的影响力计算及应用,首先给出了社交网络数据的处理、可视化表示,然后在介绍信息传播模型和传播概率计算等关键技术的基础上,从局部信息、全局信息、多重信息、考虑级联数据、进一步挖掘影响力潜力等角度给出了不同的计算方法,并结合影响力优选化等问题求解,观察影响力计算的表现效果。第7章介绍蛋白质交互网络的影响力计算,用以求解蛋白质交互网络的关键蛋白质识别问题。有望拓宽读者的思维,激发研究者寻找在不同应用场景下的节点影响力分析新方法。
    本书可作为从事复杂网络节点重要性分析、复杂网络影响力分析的高等院校教师、研究生及相关研究人员的参考书。

    作者简介

    精彩内容

    目录
    1 社交网络传播模型及影响概率计算
    1.1 数据的获取和表示
    1.1.1 数据的获取
    1.1.2 公开的数据集及图可视化
    1.2 社交网络的传播模型
    1.2.1 独立级联模型
    1.2.2 线性阈值模型
    1.2.3 热量扩散模型
    1.2.4 传染病模型
    1.2.5 其他模型
    1.3 传播概率计算
    1.3.1 基于边影响概率的计算
    1.3.2 基于节点隐空间向量表示的计算
    1.4 本章小结
    2 面向局部信息的影响力计算
    2.1 引言
    2.2 基于两阶段启发的影响力计算方法
    2.2.1 算法设计
    2.2.2 节点的影响力评估
    2.2.3 实验环境及数据
    2.2.4 实验结果及分析
    2.3 基于三级邻居的影响力计算方法
    2.3.1 三度影响原则
    2.3.2 三级邻居方法
    2.3.3 实验环境及数据
    2.3.4 实验结果及分析
    2.4 本章小结
    3 面向全局信息的影响力计算
    3.1 引言
    3.2 基于割点的影响力求解及应用
    3.2.1 基于割点的影响力计算
    3.2.2 CVIM算法
    3.2.3 实验数据及参数设置
    3.2.4 实验分析
    3.3 面向目标节点的影响力求解
    3.3.1 基于独立级联模型的个性化影响优选化
    3.3.2 基于热量传播模型的个性化影响优选化
    3.3.3 实验数据及参数设置
    3.3.4 实验分析
    3.4 本章小结
    4 面向多重信息的影响力计算
    4.1 引言
    4.2 信息对立下的影响优选化
    4.2.1 基于热量传播模型的影响力计算
    4.2.2 实验环境及数据
    4.2.3 实验分析
    4.3 符号网络下的积极影响力优选化
    4.3.1 符号网络
    4.3.2 符号网络下的影响力计算
    4.3.3 实验数据集与参数设置
    4.3.4 实验结果与分析
    4.4 本章小结
    5 基于级联数据的影响力计算
    5.1 引言
    5.2 融合活跃转发者的影响优选化
    5.2.1 活跃转发者的影响
    5.2.2 融合活跃转发者特征的神经网络模型
    5.2.3 高影响力节点的选择
    5.3 实验结果与分析
    5.3.1 实验数据
    5.3.2 实验设计与环境
    5.3.3 实验结果
    5.4 本章小结
    6 如何进一步发挥影响力
    6.1 引言
    6.1.1 网络结构优化
    6.1.2 自适应影响优选化
    6.2 通过加边扩大影响优选化
    6.2.1 加边问题
    6.2.2 AP框架
    6.2.3 实验分析
    6.3 自适应策略
    6.3.1 相关术语
    6.3.2 自适应与非自适应之间的关系
    6.4 本章小结
    7 影响力计算在生物信息中的应用
    7.1 引言
    7.2 蛋白质交互网络
    7.3 基于动态加权PPI网络的关键蛋白质预测
    7.3.1 动态PPI网络构建
    7.3.2 动态PPI网络加权
    7.3.3 关键蛋白质识别
    7.3.4 实验结果与分析
    7.4 本章小结
    参考文献

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购