复杂网络中潜在感染状态的分类
社会与信息网络
2014-02-04 v1 物理与社会
摘要
识别网络中节点感染状态的算法对于理解和控制感染至关重要。然而，通常只有相对较少的节点具有已知的感染状态。此外，每个节点被感染的时间长度也是未知的。这种缺失数据——大多数节点的感染状态和未观测到的感染节点的感染时间——给现实世界级联的研究带来了挑战。在这项工作中，我们开发了在存在感染时间和状态数据缺失的情况下识别潜在感染节点的技术。基于简单易感 - 感染 (SI) 流行病模型预测的可能流行病路径，我们提出了一种度量（感染介数）来揭示这些未知的感染状态。使用机器学习算法的实验结果表明，感染介数是识别潜在感染节点最有效的特征。
引用
@article{arxiv.1402.0013,
title = {Classifying Latent Infection States in Complex Networks},
author = {Yeon-sup Lim and Bruno Ribeiro and Don Towsley},
journal= {arXiv preprint arXiv:1402.0013},
year = {2014}
}