| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 引言 | 第10-11页 |
| 1.2 社区发现的意义 | 第11页 |
| 1.3 社区发现的挑战 | 第11-12页 |
| 1.4 本文的安排 | 第12-14页 |
| 第二章 全局社区发现算法的相关研究 | 第14-26页 |
| 2.1 引言 | 第14页 |
| 2.2 基本概念 | 第14-19页 |
| 2.2.1 网络的基本定义 | 第14页 |
| 2.2.2 社区的基本定义 | 第14-15页 |
| 2.2.3 社区结构的评价 | 第15-19页 |
| 2.3 基准网络仿真模型 | 第19-20页 |
| 2.3.1 GN基准网络 | 第19-20页 |
| 2.3.2 LFR基准网络 | 第20页 |
| 2.4 全局社区发现算法的分析与讨论 | 第20-24页 |
| 2.4.1 衡量函数最值化的边关系社区发现算法的分析 | 第21-23页 |
| 2.4.2 弱化社区间关系的边关系社区发现算法的分析 | 第23-24页 |
| 2.5 小结 | 第24-26页 |
| 第三章 基于受力分析的社区发现算法 | 第26-40页 |
| 3.1 引言 | 第26页 |
| 3.2 基本概念 | 第26-27页 |
| 3.3 Edge Pruning算法原理 | 第27-33页 |
| 3.3.1 节点力模型 | 第28-29页 |
| 3.3.2 “受力分析”模型 | 第29-31页 |
| 3.3.3 节点活动趋势的讨论 | 第31-32页 |
| 3.3.4 Edge Pruning算法设计 | 第32-33页 |
| 3.4 实验对比 | 第33-38页 |
| 3.4.1 数据集 | 第34页 |
| 3.4.2 真实网络下的实验对比 | 第34-35页 |
| 3.4.3 LFR基准网络下的实验对比 | 第35-37页 |
| 3.4.4 算法时间复杂度分析 | 第37-38页 |
| 3.5 小结 | 第38-40页 |
| 第四章 局部社区发现算法的相关研究 | 第40-48页 |
| 4.1 引言 | 第40页 |
| 4.2 基本概念 | 第40-42页 |
| 4.2.1 局部社区发现问题 | 第40页 |
| 4.2.2 局部社区的评价 | 第40-42页 |
| 4.3 局部社区发现算法的原理 | 第42-43页 |
| 4.3.1 大图粗切 | 第42-43页 |
| 4.3.2 细寻社区 | 第43页 |
| 4.4 无关子图问题的分析与讨论 | 第43-46页 |
| 4.4.1 涉及的概念 | 第44页 |
| 4.4.2 无关子图问题讨论 | 第44-46页 |
| 4.5 小结 | 第46-48页 |
| 第五章 基于受力分析的局部社区发现算法 | 第48-56页 |
| 5.1 引言 | 第48页 |
| 5.2 LCDFA算法原理 | 第48-50页 |
| 5.2.1 大图粗切 | 第48页 |
| 5.2.2 非弱连边 | 第48-49页 |
| 5.2.3 寻找非弱连边构成的子图 | 第49页 |
| 5.2.4 限制无关子图 | 第49-50页 |
| 5.3 实验对比 | 第50-55页 |
| 5.3.1 数据集 | 第50-51页 |
| 5.3.2 LCDFA算法对无关子图限制效果 | 第51-52页 |
| 5.3.3 真实数据集的实验对比 | 第52-53页 |
| 5.3.4 LFR基准数据集的实验对比 | 第53-54页 |
| 5.3.5 算法时间复杂度分析 | 第54-55页 |
| 5.4 小结 | 第55-56页 |
| 第六章 总结和展望 | 第56-58页 |
| 6.1 工作总结 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 攻读学位期间发表的论文目录 | 第64页 |