摘要 | 第1-5页 |
Abstract | 第5-10页 |
1 绪论 | 第10-23页 |
·研究背景及意义 | 第10-15页 |
·数据挖掘 | 第10-12页 |
·Web链接分析 | 第12-13页 |
·流形聚类 | 第13-15页 |
·研究现状及问题 | 第15-21页 |
·Web链接分析研究 | 第15-17页 |
·Web链接分析的主要研究方向 | 第17-18页 |
·流形聚类研究 | 第18-20页 |
·流形聚类的主要研究方向 | 第20-21页 |
·论文的主要贡献 | 第21页 |
·论文的结构 | 第21-23页 |
2 基于多级衰减模型的PageRank算法 | 第23-39页 |
·相关工作 | 第23-27页 |
·PageRank算法 | 第23-25页 |
·相关改进算法 | 第25-27页 |
·基于多级衰减模型的PageRank算法 | 第27-31页 |
·算法框架 | 第27-29页 |
·基于距离衰减模型的PageRank算法 | 第29-30页 |
·基于指数分布模型的PageRank算法 | 第30页 |
·链接级数k的确定 | 第30-31页 |
·实验及性能分析 | 第31-37页 |
·实验方案 | 第31页 |
·实验步骤 | 第31-32页 |
·评价标准 | 第32-33页 |
·实验结果分析 | 第33-37页 |
·本章小结 | 第37-39页 |
3 基于页面相似度和链接流行度的HITS改进算法 | 第39-56页 |
·HITS算法及其改进 | 第39-46页 |
·HITS算法 | 第39-43页 |
·HITS算法问题分析 | 第43-44页 |
·HITS改进算法 | 第44-46页 |
·基于页面相似度和链接流行度的HITS改进算法 | 第46-50页 |
·基于查询的页面相似度 | 第46-48页 |
·链接流行度 | 第48-50页 |
·基于页面相似度和链接流行度的HITS算法 | 第50页 |
·实验及评价 | 第50-55页 |
·评价标准 | 第50-51页 |
·实验数据说明 | 第51页 |
·实验结果评价 | 第51-55页 |
·本章小结 | 第55-56页 |
4 基于链接的概率分布的最大流社区发现技术 | 第56-78页 |
·相关工作 | 第56-63页 |
·基于HITS的社区发现技术 | 第57-58页 |
·基于有向二分图的社区发现技术 | 第58-59页 |
·基于最大流的社区发现技术 | 第59-62页 |
·几种社区发现技术的比较 | 第62-63页 |
·链接结构特征分析 | 第63-67页 |
·超链接节点度的分布 | 第63-65页 |
·网络的Scale-Free特性 | 第65-67页 |
·基于链接的概率分布的最大流社区发现技术 | 第67-73页 |
·社区规模与边容量关系 | 第67-68页 |
·基于HITS的边容量分配方法 | 第68-70页 |
·基于链接的概率分布的边容量分配思想 | 第70-73页 |
·改进的最大流社区发现算法 | 第73页 |
·实验 | 第73-77页 |
·数据集的获取 | 第74页 |
·数据的预处理 | 第74页 |
·实验结果分析 | 第74-77页 |
·本章小结 | 第77-78页 |
5 加强聚类结构的流形学习与Nystrom低秩逼近 | 第78-113页 |
·相关工作 | 第79-90页 |
·线性流形学习方法 | 第79-82页 |
·非线性流形学习 | 第82-87页 |
·非线性流形学习与核方法 | 第87-90页 |
·加强聚类结构的流形学习 | 第90-96页 |
·基于路径的有效相异性度量 | 第90-91页 |
·基于邻域路径的有效相异性度量 | 第91-92页 |
·实验结果及分析 | 第92-96页 |
·加强聚类结构的Nystrom低秩逼近 | 第96-112页 |
·Nystrom方法 | 第96-97页 |
·低秩逼近的抽样方法 | 第97-98页 |
·Nystrom低秩逼近的可聚性分析 | 第98-103页 |
·增量抽样策略 | 第103-106页 |
·实验结果及分析 | 第106-112页 |
·本章小结 | 第112-113页 |
结论 | 第113-115页 |
参考文献 | 第115-123页 |
攻读博士学位期间发表学术论文情况 | 第123-124页 |
致谢 | 第124-125页 |
作者简介 | 第125-126页 |