找到6项技术成果数据。
找技术>-
一种基于贝叶斯估计和共同邻居节点度的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和共同邻居节点度的链路预测方法，建立网络模型，任取两个未直接连接节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点度信息，分别计算二节点之间产生和不产生连边概率，根据贝叶斯估计和共同邻居节点度，计算二节点之间长度为2和3路径每一中间节点似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合共同邻居节点度，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
基于信息中心网络的分布式任务计算方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于信息中心网络的分布式任务计算方法，包括以下步骤用户将计算任务分解为子任务，并向网络发送特定格式的请求包来请求计算子任务；网络中间节点根据任务需求和自身负载情况判断是否执行计算任务；对网络中间节点未予处理的请求任务，最终由服务器来完成。本发明的方法以信息中心网络中间节点可以缓存数据为基础，修改包的格式和网络节点对包的处理流程，由路由协议协助管理计算任务的分配，充分利用中间节点的计算和存储资源，减少分布式任务计算中网络传输所需的时间和节点之间的交互，克服现有方法中对路由器负载影响过大的缺点，提供了一种更加高效的分布式任务计算服务，适用于大型分布式任务计算场景。
-
一种基于贝叶斯估计和共同邻居的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和共同邻居的链路预测方法，建立网络模型，任取两个未直接连接节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和共同邻居信息，计算二节点之间长度为2和3的路径的每一中间节点的似然值,相似性分数为所有中间节点的似然值之和；遍历网络，用上述方法获取任意两个种子节点间的相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应的节点对为预测连边。本发明根据贝叶斯估计，结合共同邻居信息，区分两节点间的局部路径中不同中间节点具有不同的重要性，算法预测效果好。
-
一种基于贝叶斯估计和大度节点不利的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和大度节点不利的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和大度节点不利思想，计算二节点之间长度为2和3路径的每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合大度节点不利思想，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
一种基于贝叶斯估计和大度节点有利的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和大度节点有利的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和大度节点有利思想，计算二节点之间长度为2和3路径每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合大度节点有利思想，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
一种基于贝叶斯估计和局部路径的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和局部路径的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和局部路径，计算二节点之间长度为2和3路径的每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合局部路径，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
找到6项技术成果数据。
找技术>-
一种基于贝叶斯估计和共同邻居节点度的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和共同邻居节点度的链路预测方法，建立网络模型，任取两个未直接连接节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点度信息，分别计算二节点之间产生和不产生连边概率，根据贝叶斯估计和共同邻居节点度，计算二节点之间长度为2和3路径每一中间节点似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合共同邻居节点度，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
基于信息中心网络的分布式任务计算方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于信息中心网络的分布式任务计算方法，包括以下步骤用户将计算任务分解为子任务，并向网络发送特定格式的请求包来请求计算子任务；网络中间节点根据任务需求和自身负载情况判断是否执行计算任务；对网络中间节点未予处理的请求任务，最终由服务器来完成。本发明的方法以信息中心网络中间节点可以缓存数据为基础，修改包的格式和网络节点对包的处理流程，由路由协议协助管理计算任务的分配，充分利用中间节点的计算和存储资源，减少分布式任务计算中网络传输所需的时间和节点之间的交互，克服现有方法中对路由器负载影响过大的缺点，提供了一种更加高效的分布式任务计算服务，适用于大型分布式任务计算场景。
-
一种基于贝叶斯估计和共同邻居的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和共同邻居的链路预测方法，建立网络模型，任取两个未直接连接节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和共同邻居信息，计算二节点之间长度为2和3的路径的每一中间节点的似然值,相似性分数为所有中间节点的似然值之和；遍历网络，用上述方法获取任意两个种子节点间的相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应的节点对为预测连边。本发明根据贝叶斯估计，结合共同邻居信息，区分两节点间的局部路径中不同中间节点具有不同的重要性，算法预测效果好。
-
一种基于贝叶斯估计和大度节点不利的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和大度节点不利的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和大度节点不利思想，计算二节点之间长度为2和3路径的每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合大度节点不利思想，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
一种基于贝叶斯估计和大度节点有利的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和大度节点有利的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和大度节点有利思想，计算二节点之间长度为2和3路径每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合大度节点有利思想，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
一种基于贝叶斯估计和局部路径的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和局部路径的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和局部路径，计算二节点之间长度为2和3路径的每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合局部路径，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
找到6项技术成果数据。
找技术>-
一种基于贝叶斯估计和共同邻居节点度的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和共同邻居节点度的链路预测方法，建立网络模型，任取两个未直接连接节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点度信息，分别计算二节点之间产生和不产生连边概率，根据贝叶斯估计和共同邻居节点度，计算二节点之间长度为2和3路径每一中间节点似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合共同邻居节点度，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
基于信息中心网络的分布式任务计算方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于信息中心网络的分布式任务计算方法，包括以下步骤用户将计算任务分解为子任务，并向网络发送特定格式的请求包来请求计算子任务；网络中间节点根据任务需求和自身负载情况判断是否执行计算任务；对网络中间节点未予处理的请求任务，最终由服务器来完成。本发明的方法以信息中心网络中间节点可以缓存数据为基础，修改包的格式和网络节点对包的处理流程，由路由协议协助管理计算任务的分配，充分利用中间节点的计算和存储资源，减少分布式任务计算中网络传输所需的时间和节点之间的交互，克服现有方法中对路由器负载影响过大的缺点，提供了一种更加高效的分布式任务计算服务，适用于大型分布式任务计算场景。
-
一种基于贝叶斯估计和共同邻居的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和共同邻居的链路预测方法，建立网络模型，任取两个未直接连接节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和共同邻居信息，计算二节点之间长度为2和3的路径的每一中间节点的似然值,相似性分数为所有中间节点的似然值之和；遍历网络，用上述方法获取任意两个种子节点间的相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应的节点对为预测连边。本发明根据贝叶斯估计，结合共同邻居信息，区分两节点间的局部路径中不同中间节点具有不同的重要性，算法预测效果好。
-
一种基于贝叶斯估计和大度节点不利的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和大度节点不利的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和大度节点不利思想，计算二节点之间长度为2和3路径的每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合大度节点不利思想，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
一种基于贝叶斯估计和大度节点有利的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和大度节点有利的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和大度节点有利思想，计算二节点之间长度为2和3路径每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合大度节点有利思想，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
一种基于贝叶斯估计和局部路径的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和局部路径的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和局部路径，计算二节点之间长度为2和3路径的每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合局部路径，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
找到6项技术成果数据。
找技术>-
一种基于贝叶斯估计和共同邻居节点度的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和共同邻居节点度的链路预测方法，建立网络模型，任取两个未直接连接节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点度信息，分别计算二节点之间产生和不产生连边概率，根据贝叶斯估计和共同邻居节点度，计算二节点之间长度为2和3路径每一中间节点似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合共同邻居节点度，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
基于信息中心网络的分布式任务计算方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于信息中心网络的分布式任务计算方法，包括以下步骤用户将计算任务分解为子任务，并向网络发送特定格式的请求包来请求计算子任务；网络中间节点根据任务需求和自身负载情况判断是否执行计算任务；对网络中间节点未予处理的请求任务，最终由服务器来完成。本发明的方法以信息中心网络中间节点可以缓存数据为基础，修改包的格式和网络节点对包的处理流程，由路由协议协助管理计算任务的分配，充分利用中间节点的计算和存储资源，减少分布式任务计算中网络传输所需的时间和节点之间的交互，克服现有方法中对路由器负载影响过大的缺点，提供了一种更加高效的分布式任务计算服务，适用于大型分布式任务计算场景。
-
一种基于贝叶斯估计和共同邻居的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和共同邻居的链路预测方法，建立网络模型，任取两个未直接连接节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和共同邻居信息，计算二节点之间长度为2和3的路径的每一中间节点的似然值,相似性分数为所有中间节点的似然值之和；遍历网络，用上述方法获取任意两个种子节点间的相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应的节点对为预测连边。本发明根据贝叶斯估计，结合共同邻居信息，区分两节点间的局部路径中不同中间节点具有不同的重要性，算法预测效果好。
-
一种基于贝叶斯估计和大度节点不利的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和大度节点不利的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和大度节点不利思想，计算二节点之间长度为2和3路径的每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合大度节点不利思想，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
一种基于贝叶斯估计和大度节点有利的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和大度节点有利的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和大度节点有利思想，计算二节点之间长度为2和3路径每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合大度节点有利思想，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
一种基于贝叶斯估计和局部路径的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和局部路径的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和局部路径，计算二节点之间长度为2和3路径的每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合局部路径，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
找到6项技术成果数据。
找技术>-
一种基于贝叶斯估计和共同邻居节点度的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和共同邻居节点度的链路预测方法，建立网络模型，任取两个未直接连接节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点度信息，分别计算二节点之间产生和不产生连边概率，根据贝叶斯估计和共同邻居节点度，计算二节点之间长度为2和3路径每一中间节点似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合共同邻居节点度，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
基于信息中心网络的分布式任务计算方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于信息中心网络的分布式任务计算方法，包括以下步骤用户将计算任务分解为子任务，并向网络发送特定格式的请求包来请求计算子任务；网络中间节点根据任务需求和自身负载情况判断是否执行计算任务；对网络中间节点未予处理的请求任务，最终由服务器来完成。本发明的方法以信息中心网络中间节点可以缓存数据为基础，修改包的格式和网络节点对包的处理流程，由路由协议协助管理计算任务的分配，充分利用中间节点的计算和存储资源，减少分布式任务计算中网络传输所需的时间和节点之间的交互，克服现有方法中对路由器负载影响过大的缺点，提供了一种更加高效的分布式任务计算服务，适用于大型分布式任务计算场景。
-
一种基于贝叶斯估计和共同邻居的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和共同邻居的链路预测方法，建立网络模型，任取两个未直接连接节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和共同邻居信息，计算二节点之间长度为2和3的路径的每一中间节点的似然值,相似性分数为所有中间节点的似然值之和；遍历网络，用上述方法获取任意两个种子节点间的相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应的节点对为预测连边。本发明根据贝叶斯估计，结合共同邻居信息，区分两节点间的局部路径中不同中间节点具有不同的重要性，算法预测效果好。
-
一种基于贝叶斯估计和大度节点不利的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和大度节点不利的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和大度节点不利思想，计算二节点之间长度为2和3路径的每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合大度节点不利思想，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
一种基于贝叶斯估计和大度节点有利的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和大度节点有利的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和大度节点有利思想，计算二节点之间长度为2和3路径每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合大度节点有利思想，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
一种基于贝叶斯估计和局部路径的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和局部路径的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和局部路径，计算二节点之间长度为2和3路径的每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合局部路径，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
找到6项技术成果数据。
找技术>-
一种基于贝叶斯估计和共同邻居节点度的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和共同邻居节点度的链路预测方法，建立网络模型，任取两个未直接连接节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点度信息，分别计算二节点之间产生和不产生连边概率，根据贝叶斯估计和共同邻居节点度，计算二节点之间长度为2和3路径每一中间节点似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合共同邻居节点度，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
基于信息中心网络的分布式任务计算方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于信息中心网络的分布式任务计算方法，包括以下步骤用户将计算任务分解为子任务，并向网络发送特定格式的请求包来请求计算子任务；网络中间节点根据任务需求和自身负载情况判断是否执行计算任务；对网络中间节点未予处理的请求任务，最终由服务器来完成。本发明的方法以信息中心网络中间节点可以缓存数据为基础，修改包的格式和网络节点对包的处理流程，由路由协议协助管理计算任务的分配，充分利用中间节点的计算和存储资源，减少分布式任务计算中网络传输所需的时间和节点之间的交互，克服现有方法中对路由器负载影响过大的缺点，提供了一种更加高效的分布式任务计算服务，适用于大型分布式任务计算场景。
-
一种基于贝叶斯估计和共同邻居的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和共同邻居的链路预测方法，建立网络模型，任取两个未直接连接节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和共同邻居信息，计算二节点之间长度为2和3的路径的每一中间节点的似然值,相似性分数为所有中间节点的似然值之和；遍历网络，用上述方法获取任意两个种子节点间的相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应的节点对为预测连边。本发明根据贝叶斯估计，结合共同邻居信息，区分两节点间的局部路径中不同中间节点具有不同的重要性，算法预测效果好。
-
一种基于贝叶斯估计和大度节点不利的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和大度节点不利的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和大度节点不利思想，计算二节点之间长度为2和3路径的每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合大度节点不利思想，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
一种基于贝叶斯估计和大度节点有利的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和大度节点有利的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和大度节点有利思想，计算二节点之间长度为2和3路径每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合大度节点有利思想，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
一种基于贝叶斯估计和局部路径的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和局部路径的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和局部路径，计算二节点之间长度为2和3路径的每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合局部路径，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
找到6项技术成果数据。
找技术>-
一种基于贝叶斯估计和共同邻居节点度的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和共同邻居节点度的链路预测方法，建立网络模型，任取两个未直接连接节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点度信息，分别计算二节点之间产生和不产生连边概率，根据贝叶斯估计和共同邻居节点度，计算二节点之间长度为2和3路径每一中间节点似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合共同邻居节点度，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
基于信息中心网络的分布式任务计算方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于信息中心网络的分布式任务计算方法，包括以下步骤用户将计算任务分解为子任务，并向网络发送特定格式的请求包来请求计算子任务；网络中间节点根据任务需求和自身负载情况判断是否执行计算任务；对网络中间节点未予处理的请求任务，最终由服务器来完成。本发明的方法以信息中心网络中间节点可以缓存数据为基础，修改包的格式和网络节点对包的处理流程，由路由协议协助管理计算任务的分配，充分利用中间节点的计算和存储资源，减少分布式任务计算中网络传输所需的时间和节点之间的交互，克服现有方法中对路由器负载影响过大的缺点，提供了一种更加高效的分布式任务计算服务，适用于大型分布式任务计算场景。
-
一种基于贝叶斯估计和共同邻居的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和共同邻居的链路预测方法，建立网络模型，任取两个未直接连接节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和共同邻居信息，计算二节点之间长度为2和3的路径的每一中间节点的似然值,相似性分数为所有中间节点的似然值之和；遍历网络，用上述方法获取任意两个种子节点间的相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应的节点对为预测连边。本发明根据贝叶斯估计，结合共同邻居信息，区分两节点间的局部路径中不同中间节点具有不同的重要性，算法预测效果好。
-
一种基于贝叶斯估计和大度节点不利的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和大度节点不利的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和大度节点不利思想，计算二节点之间长度为2和3路径的每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合大度节点不利思想，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
一种基于贝叶斯估计和大度节点有利的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和大度节点有利的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和大度节点有利思想，计算二节点之间长度为2和3路径每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合大度节点有利思想，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
一种基于贝叶斯估计和局部路径的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和局部路径的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和局部路径，计算二节点之间长度为2和3路径的每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合局部路径，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
找到6项技术成果数据。
找技术>-
一种基于贝叶斯估计和共同邻居节点度的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和共同邻居节点度的链路预测方法，建立网络模型，任取两个未直接连接节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点度信息，分别计算二节点之间产生和不产生连边概率，根据贝叶斯估计和共同邻居节点度，计算二节点之间长度为2和3路径每一中间节点似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合共同邻居节点度，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
基于信息中心网络的分布式任务计算方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于信息中心网络的分布式任务计算方法，包括以下步骤用户将计算任务分解为子任务，并向网络发送特定格式的请求包来请求计算子任务；网络中间节点根据任务需求和自身负载情况判断是否执行计算任务；对网络中间节点未予处理的请求任务，最终由服务器来完成。本发明的方法以信息中心网络中间节点可以缓存数据为基础，修改包的格式和网络节点对包的处理流程，由路由协议协助管理计算任务的分配，充分利用中间节点的计算和存储资源，减少分布式任务计算中网络传输所需的时间和节点之间的交互，克服现有方法中对路由器负载影响过大的缺点，提供了一种更加高效的分布式任务计算服务，适用于大型分布式任务计算场景。
-
一种基于贝叶斯估计和共同邻居的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和共同邻居的链路预测方法，建立网络模型，任取两个未直接连接节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和共同邻居信息，计算二节点之间长度为2和3的路径的每一中间节点的似然值,相似性分数为所有中间节点的似然值之和；遍历网络，用上述方法获取任意两个种子节点间的相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应的节点对为预测连边。本发明根据贝叶斯估计，结合共同邻居信息，区分两节点间的局部路径中不同中间节点具有不同的重要性，算法预测效果好。
-
一种基于贝叶斯估计和大度节点不利的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和大度节点不利的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和大度节点不利思想，计算二节点之间长度为2和3路径的每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合大度节点不利思想，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
一种基于贝叶斯估计和大度节点有利的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和大度节点有利的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和大度节点有利思想，计算二节点之间长度为2和3路径每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合大度节点有利思想，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
一种基于贝叶斯估计和局部路径的链路预测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于贝叶斯估计和局部路径的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和局部路径，计算二节点之间长度为2和3路径的每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合局部路径，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。