声明
摘要
第一章绪论
1．1研究背景及意义
1．2国内外研究现状
1．2．1数据集的不确定性分析
1．2．2节点特征不确定性研究
1．2．3节点关系不确定性研究
1．2．4网络结构不确定性研究
1．3主要工作及贡献
1．4各章节安排
第二章相关理论与技术介绍
2．1概率图模型
2．1．1表示理论
2．1．2 推断
2．1．3 学习
2．2 图神经网络
2．3邻域采样方法
2．4 贝叶斯图神经网络
2．5随机块模型
2．6 本章小结
第三章基于概率图模型的特征不确定性学习方法
3．1 节点特征的不确定性分析
3．2 基于概率图模型的特征不确定性学习方法
3．2．1概率图生成模型
3．2．2 近似推测
3．2．3 参数学习
3．3 实验验证
3．3．1数据采集
3．3．2数据预处理
3．3．3人工评估
3．3．4实验设置
3．3．5特征的后验分析
3．3．6不确定性消除分析
3．3．7结果讨论
3．4本章小结
第四章基于节点关系采样的关系不确定性学习方法
4．1节点关系的不确定性概述
4．2基于节点关系采样的关系不确定性学习方法
4．2．1邻域采样的不确定性
4．2．2节点关系权重的不确定性
4．3实验验证
4．3．1数据集
4．3．2无向图结果分析
4．3．3有向图结果分析
4．3．4结果讨论
4．4本章小结
第五章基于网络结构重构的鲁棒性网络嵌入方法
5．1网络结构的不确定性概述
5．2基于网络结构重构的鲁棒性网络嵌方法
5．2．1时空网络结构及空间依赖关系的不确定性
5．2．2时空网络中时间依赖关系的不确定性
5．2．3损失函数
5．3实验和分析
5．3．1数据集
5．3．2评估方法
5．3．3超参数
5．3．4基准试验
5．3．5鲁棒性实验和分析
5．3．6结果讨论
5．4本章小结
第六章面向复杂时空网络不确定性的双注意力嵌入模型
6．1空中时空网络不确定性概述
6．1．1空中时空网络时空依赖关系和特征的不确定性
6．1．2相关研究
6．2模型框架
6．2．1图序列的构建
6．2．2节点特征和时空关系不确定性的解决
6．3实验和分析
6．3．1数据集
6．3．2特征
6．3．3实验评估
6．3．4基准试验
6．3．5结果讨论
6．4本章小结
第七章总结与展望
7．1总结
7．2展望
参考文献
致谢
博士期间发表的论文
博士期间参加的科研工作
博士期间获得的奖励
山东大学;
