一种基于学习算法采样网络识别感兴趣节点的方法

摘要

本发明中提出的一种基于学习算法采样网络识别感兴趣节点的方法，其主要内容包括：分类特征、度量可信度、预测概率、放置监视器、识别感兴趣节点，其过程为，首先利用基于网络结构特征来学习红色节点之间的连接模式，利用基于相邻应答的特征来学习一个节点对其邻居颜色的描述与其真实颜色之间的关系，成功地预测节点v为红色的概率，在概率最高的节点上放置下一个监视器，最终在POI表现出同质性的情况下，选择带最多POI的节点即为感兴趣节点。本发明突破了取决于节点邻居所报信息的局限，通过提供一种基于学习的监视器放置策略，最大化所能观察到的红色节点的总数，使得定位POI更准确有效，推动了人物检索工作的研究和发展。