基于化学反应算法优化模块密度的网络社团发现研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 课题研究现状 | 第10-12页 |
| 1.3 论文研究内容 | 第12页 |
| 1.4 论文章节安排 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 2 复杂网络社团发现相关理论 | 第14-26页 |
| 2.1 复杂网络 | 第14-16页 |
| 2.1.1 复杂网络的概念 | 第14-16页 |
| 2.1.2 复杂网络的表示 | 第16页 |
| 2.2 复杂网络社团 | 第16-20页 |
| 2.2.1 社团定义 | 第16-17页 |
| 2.2.2 复杂网络社团发现算法 | 第17-20页 |
| 2.3 社团发现的评价标准 | 第20-21页 |
| 2.3.1 互信息度量指标 | 第20页 |
| 2.3.2 模块度 | 第20-21页 |
| 2.3.3 模块密度 | 第21页 |
| 2.4 化学反应优化算法 | 第21-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 基于化学反应算法优化模块密度的社团发现 | 第26-38页 |
| 3.1 引言 | 第26页 |
| 3.2 De-CRO算法的初始化及编码 | 第26-28页 |
| 3.2.1 目标函数 | 第26-27页 |
| 3.2.2 个体编码和种群初始化 | 第27-28页 |
| 3.3 De-CRO算法的四个基本反应 | 第28-32页 |
| 3.3.1 De-CRO算法的撞墙反应 | 第28-29页 |
| 3.3.2 De-CRO算法的分解反应 | 第29-31页 |
| 3.3.3 De-CRO算法的交换反应 | 第31页 |
| 3.3.4 De-CRO算法的合成反应 | 第31-32页 |
| 3.4 精英保留策略 | 第32-34页 |
| 3.5 爬山法局部搜索法 | 第34页 |
| 3.6 De-CRO算法设计 | 第34-36页 |
| 3.7 本章小结 | 第36-38页 |
| 4 网络社团检测实验结果与分析 | 第38-48页 |
| 4.1 实验数据 | 第38-39页 |
| 4.1.1 人工网络数据集 | 第38页 |
| 4.1.2 真实网络数据 | 第38-39页 |
| 4.2 实验结果评价标准 | 第39-40页 |
| 4.3 实验结果分析 | 第40-46页 |
| 4.3.1 人工网络实验结果 | 第40-41页 |
| 4.3.2 真实网络上实验结果 | 第41-46页 |
| 4.4 本章小结 | 第46-48页 |
| 5 总结与展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 攻读学位期间科研成果 | 第55-56页 |
