基于邻域分类AUC的属性选择方法

为了提升邻域分类器的分类性能,提出了一种利用邻域AUC作为分类性能度量指标的启发式属性选择算法。首先,利用邻域分类器得到邻域AUC,然后在此基础上,借助贪心搜索策略,逐步加入使得邻域AUC尽可能大的属性,当邻域AUC不再增大时,算法终止。7个UCI数据集上的实验结果表明,使用邻域AUC属性选择算法,可以在使用较少属性个数的基础上有效提升邻域分类器的分类性能。

基于共同邻居的链路预测新指标

提出一个新的链路预测相似性指标——局部社团结构指标(Local Community Structure,LCS).在已知网络局部信息的前提下,LCS指标刻画了网络中任意两个节点的共同邻居节点与这两个节点的聚集关系.在基于真实网络的实验中,我们计算并比较了CN、AA、RA和LCS四个指标在7个不同真实网络中的AUC评价指标,发现在簇系数较大的真实网络中LCS指标的预测结果好于其他三个指标.