基于FCA的社区发现算法
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景 | 第8-9页 |
| ·研究意义 | 第9-11页 |
| ·本文的研究内容及组织结构 | 第11-12页 |
| ·本文的创新与贡献 | 第12页 |
| ·本章小结 | 第12-13页 |
| 第二章 虚拟社区发现介绍 | 第13-27页 |
| ·虚拟社区基本理论和思想 | 第13-20页 |
| ·虚拟社区特征与分类 | 第13-15页 |
| ·社区结构的表示 | 第15-18页 |
| ·虚拟社区与真实社区的联系 | 第18页 |
| ·虚拟社区的研究现状 | 第18-20页 |
| ·社区结构的发现算法 | 第20-24页 |
| ·Kermighan-Lan 算法 | 第21页 |
| ·谱平分算法 | 第21-22页 |
| ·GN 算法 | 第22页 |
| ·基于极大团的算法 | 第22页 |
| ·层次聚类算法 | 第22-23页 |
| ·基于“亲密度矩阵”的网络层次发现方法 | 第23页 |
| ·网络节点特性统计算法 | 第23-24页 |
| ·基于上下文聚类的网络层次发现方法 | 第24页 |
| ·现有社区演化算法 | 第24-26页 |
| ·社区演化跟踪算法 | 第24页 |
| ·基于点重合的演化跟踪算法 | 第24-25页 |
| ·基于边重合的社区跟踪算法 | 第25页 |
| ·基于中心节点的演化跟踪算法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 形式概念分析方法 | 第27-35页 |
| ·形式概念分析 | 第27-33页 |
| ·形式概念的基本概念 | 第27-30页 |
| ·概念格的分层性质 | 第30页 |
| ·概念格的构造算法 | 第30-33页 |
| ·概念格的应用 | 第33-34页 |
| ·在文献检索中的应用 | 第33页 |
| ·在软件工程中的应用 | 第33-34页 |
| ·在数据挖掘中的应用 | 第34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于FCA 的小社区发现方法 | 第35-48页 |
| ·形式概念分析用于社区发现 | 第35-41页 |
| ·利用FCA 在WWW 网中挖掘社区 | 第36-39页 |
| ·核心—边缘模型 | 第39-40页 |
| ·发现小社区及它们的演化关系 | 第40-41页 |
| ·概念生成算法 | 第41-47页 |
| ·NextClosure 算法 | 第42-45页 |
| ·NextClosure 的改进算法 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 基于FCA 的大社区发现方法 | 第48-70页 |
| ·社区发展的传递特性 | 第48-55页 |
| ·分层构建概念伪Hasse 图 | 第55-59页 |
| ·关联各层小社区 | 第59-62页 |
| ·大社区发现结果分析 | 第62-66页 |
| ·模块度和准确度的比较 | 第62-64页 |
| ·算法性能分析 | 第64-65页 |
| ·本文算法结果的独特性 | 第65-66页 |
| ·社区演化发现 | 第66-69页 |
| ·社区演化特征分析 | 第66-68页 |
| ·社区演化的应用 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| ·总结 | 第70-71页 |
| ·进一步展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读学位期间发表(录用)论文 | 第76-77页 |
| 致谢 | 第77-78页 |
