| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 研究的背景和意义 | 第10页 |
| 1.2 课题研究现状 | 第10-11页 |
| 1.3 主要研究工作 | 第11页 |
| 1.4 本文结构安排 | 第11-13页 |
| 第二章 理论知识 | 第13-30页 |
| 2.1 数据挖掘 | 第13-15页 |
| 2.2 数据预处理 | 第15-17页 |
| 2.2.1 数据清洗 | 第16页 |
| 2.2.2 数据集成 | 第16页 |
| 2.2.3 数据转换 | 第16-17页 |
| 2.2.4 数据规约 | 第17页 |
| 2.3 聚类分析 | 第17-25页 |
| 2.4 图的相关知识 | 第25-28页 |
| 2.5 复杂网络的相关知识 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 论文引用关系网络的建立 | 第30-35页 |
| 3.1 学术论文结构 | 第30页 |
| 3.2 不同类型的引用关系介绍 | 第30-32页 |
| 3.3 论文引用关系网络 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 DBSCAN算法研究 | 第35-46页 |
| 4.1 常见的复杂网络社团发现算法 | 第35-39页 |
| 4.1.1 基于图分割的算法 | 第35-36页 |
| 4.1.2 基于层次聚类的算法 | 第36-38页 |
| 4.1.3 基于模块度优化的算法 | 第38-39页 |
| 4.1.4 基于标签传播的算法 | 第39页 |
| 4.2 DBSCAN算法 | 第39-42页 |
| 4.3 DBSCAN算法改进 | 第42-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 NEW-DBSCAN算法在学术圈的应用 | 第46-62页 |
| 5.1 实验环境 | 第46页 |
| 5.2 DBSCAN算法和NEW-DBSCAN算法的比较 | 第46-49页 |
| 5.2.1 IRIS数据集 | 第46-48页 |
| 5.2.2 WINE数据集 | 第48-49页 |
| 5.3 NEW-DBSCAN算法在学术圈的应用 | 第49-61页 |
| 5.3.1 实验数据 | 第49-50页 |
| 5.3.2 实验数据处理 | 第50-54页 |
| 5.3.3 有效性评价指标 | 第54-55页 |
| 5.3.4 实验结果与讨论 | 第55-61页 |
| 5.4 本章小节 | 第61-62页 |
| 第六章 总结和展望 | 第62-64页 |
| 6.1 论文总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间取得的研究成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 答辩委员会对论文的评定意见 | 第69页 |